马斯克实现诺言，开源了X的推荐算法，这次总是真的了吧？

大家好，欢迎收听老范讲故事的YouTube频道。老范原来总批评马斯克假开源，这次应该是真的了吧？

1月10号，马斯克发帖说7天之内开源X的推荐算法；1月20日，也就是10天之后，确实开源了。马斯克事确实给你干了，但是时间大家就不要计较了，稍微晚几天并不那么重要。

老范以前为什么总说马斯克是假开源？

2023年，他开源了X的推荐算法，但是仅开源了部分的非核心代码。而且开源了以后就往这一扔，再也不理你了，也没有后续版本，也没有各种的讨论。你问他一些什么问题，他也不理你，所以我说这是个假开源。

2024年3月17号又宣布开源GROK1，3月19号确实开源了，开源了权重和加载的代码。但是这个模型非常的笨重，基本上没有任何的实用价值。当然了，还有马斯克一贯的作风：不回答任何问题，也没有后续更新。就是代码开源了，这个事也就算办完了，社区里头的各种issue、pull request基本不看，也不会有任何后续更新。最新的版本不开源，你像GROK1开源了，后边的版本基本上就不理你了。无法验证开源出来的东西和生产环境是不是有关联，这就是马斯克开源的一些特点。

这次其实也差不太多，X推荐算法也只是开源了一部分。最核心的东西叫Grok Transformer，这个东西并没有开源。整个的推荐算法建立在一个Transformer的模型上了，你没有把那个Transformer模型拿出来，你只围绕Transformer模型外围的一些东西给大家看了看，开源了这样的一些东西出来。而且你要做推荐，你一定要有一开始的信息筛选的机制。信息怎么筛选？过滤的这些参数以及最后排序的权重，这些东西通通都没有公开。所以这一次开源的东西，按照传统意义的开源来说，是个假开源。

这次到底放了些什么东西出来？

首先是一个非常非常革命性的东西，就是单一Transformer模型的推荐算法。这个很像SpaceX猎鹰火箭底下那个猛禽发动机。最早的猛禽一代好多好多管子，非常多的零碎，200万美金一台；后来更新到猛禽二代，比猛禽一代就要简洁很多了，外边支棱八翘的管子就少很多了，100万美金一台；最近发布的猛禽三代极其简洁，完全一体化设计，高度集成。它这个发动机外面基本上没有外边的管子，外边的这些零碎全都没了，这个机器25万美金一台，非常非常便宜。这一次它把推荐算法也做了一模一样的调整。

我用单一模型。以前的推荐算法都是好多好多模型一起配合来干活的，每一个模型是关注一个参数，大家去发现各种的数据特征，然后设置新的参数，把这个参数想办法调好，原来是这样来配合干活的。现在说别费劲了，统一上一个Transformer模型完事了。

这个模型是基于GROK1的一个MOE的模型，应该参数不大，但是具体有多少参数他也没说，怎么训练的也没说，训练数据也没给。就是这样的一个模型，因为它需要高频的高效的工作——你看每一次你去刷新X平台的时候，它都需要让每一个帖子跟你的个人人设在这里头过一遍，所以它的效率一定是很高的，模型一定不会特别大。

高薪调参工程师的危机

那些高薪调参的人，工作估计要不保了。什么意思？以前很多号称是AI工程师、年薪百万甚至是几百万的，这些AI工程师他们最主要的工作就是调参数：拿大量的用户数据回来，去里头发现一些特征，然后把这些特征放到模型里边去，再调整相应的一些参数。所以我们管这帮人叫“调参数的”。未来的趋势是不再设置一大堆的参数，而是统一扔给Transformer模型，直接出结果。那么他们这些人的工作就有点危险了。

这个过程很像什么？就是从一大堆摄像头、激光雷达、超声波雷达、一大堆模型配合一起工作的自动驾驶操作系统，转向纯视觉的、端到端模型驱动的自动驾驶系统，就是做了这样的一个转换。那为什么要做这种转换？就是当有一大堆阀门的时候，你总是很难调出最优解来。你比如说我把这个参数调好了以后，那个参数可能就下降了，怎么能够让所有的参数平衡起来，达到一个最好的结果？这个时候我们上统一的Transformer模型，上端到端的这种训练，它就有可能得到这样的一个最优结果，而不是说摁起葫芦浮起瓢。

X推荐算法的具体工作流程

具体这个东西是怎么工作的？他先把我们能够看到的帖子分成两类：一类是关注帖，一类是非关注帖。关注帖就是这个人是我关注的，他在这段时间里头发了一个帖子，这叫关注帖；非关注帖就是完全靠推荐算法推上来的，这个人我虽然没关注他，但是推荐算法认为我应该看到。再把这一部分帖子拎出来，关键的一定是非关注帖这部分。首先对人和每一个帖子进行匹配，寻找高质量、低投诉、高互动的帖子推给我们；而找到这些帖子以后，再对帖子进行排序，然后跟我们的关注帖混合在一起进行展示。说白了就是这样的一个过程。

那再详细的说一些吧，那后边这块可能要稍微的麻烦一点。

第一步：对人生成画像

就是他把我的过去多少天的行为动作，包括停留在每一个帖子上停留了多长时间、有没有点赞、有没有评论、有没有转发、有没有去投诉，把这些数据拎起来。但是具体是多长时间给隐藏了，这部分是不告诉你的。

第二步：对内容进行初筛

你不可能说把X上所有帖子都拿来跑一遍，那个效率实在太低了，所以首先要先筛一批。到底筛出多少条来还没告诉你，这个是隐藏的。它有一个过滤器对这些内容进行筛选，第一个原则就是去重，如果发现两条帖子是重复的或者内容很相近，他会把它去掉一个。然后去掉自己发的帖子，去掉屏蔽的作者，去掉敏感的违规的内容。按照时序排序，取前面的多少条，但是具体多少条不告诉你。如果是相同的作者，你反复的发也会进行过滤，所以不要刷屏。比如你连续的发了好多内容，X会把后边的这些内容都给你降权掉。所有看过的帖子就不再重复出现了。

第三步：互动可能性计算

所以第一步是这个人的画像，第二步是初筛这些帖子。筛出这些帖子以后，就把这个Transformer模型拎出来了，进行互动可能性的计算。他要算一下这个帖子如果给你看，到底有多大的可能性会被点赞、多大的可能性会被回复、多大的可能性会被投诉，他要把这些东西放出来。一共是15项。因为大模型没有开放出来，所以这一步是无法复现的。

第四步：对权重进行整合

前面我们说有多少可能性点赞、多少可能性投诉，我15项拎回来以后干嘛？做一个加权的整合。这个乘一个参数，加上那个乘一个参数，把这15个数加一块。加完了以后进行一个排序。那你说这参数都是什么？也没告诉你。这部分告诉你，那绝对机器人会刷死他的。然后把排序好的这些帖子，再跟关注帖混合在一起给我们展示。这就是整个这个系统工作的一个原理。

技术细节与代码分析

这个Grok Transformer到底是一个啥？是一个基于Grok 1模型重新训练的MOE的一个小参数模型。只能做单一任务，就是每一次给他一个用户画像，给他一个帖子，然后他把这些数据做矢量化，然后去做正面和各种负面维度的可能性的概率输出，就干这一件事。没有公开参数，没有训练数据，没有训练方法，大概就是这样的一个系统。

主要代码是用什么语言写的？

• 一个叫RUST，系统的整个的逻辑基本上是用这个语言写的，它是一种很高效的后台语言；
• 另外一个就是Python，因为里边有Pytorch、有Tensorflow，就是跑大模型用的。你要调用这些平台的话，你必须要有Python代码在里头。所以基本上代码就是用这两种系统来写的。

那你说这么多代码，那普通人肯定“有看没有懂”，完全没有任何意义。也不要这么讲，虽然它没有给大家很多文档，但是现在有非常非常多的代码分析工具。你比如说你把它扔给Cloud Code，或者扔给Cursor，扔给Open Code，扔给Codex，他们会替你去总结，告诉你说整个系统是怎么样的。然后你可以提各种问题，他会来给你回答，这个代码是写在哪一块的、如何实现的、哪一块隐藏了、哪一块给你了，这个都是会有的。所以普通人也是可以去看这些代码的。

这东西可以复现吗？

既然我们已经拿到了这样的一个开源系统，我是不是可以自己搭一个X，或者看看能不能在X里头怎么去做一个机器人，把X的数据都给它刷回来？就跟美国上委内瑞拉抓马杜罗之前，得先盖一小屋子，把马杜罗的安全屋都盖出来，让人在里头训练，训练完了以后到那啪一把把他拎出来。这事能不能干？能不能复现？

首先说，这个系统本身是无法复现的。你把这个代码down下来以后，你没法编译它，你也没法部署它，因为代码本身并不完整，而且里头还有很多的引用冲突。什么叫引用冲突？就是有些代码并没有写在这个系统里边去，而是说我要引用外边的哪个系统，但是他在不同的代码里引用的版本不一样，而且有的可能干同样的事情引用的是这个，另外的代码可能引用的是另外一个。所以他应该并没有把真正可以执行的一个线上系统直接打包扔上来，因为能够编译执行的这种线上系统是不会出现引用冲突的。

还有就是文档也不是很完整，它里头只是给了代码，并没有给特别多的文档，很多参数被隐藏了。而且也没有办法获得X上的实时数据，因为你要想让这个系统动起来的话，你必须要给它X上的实时数据——这个人过去几天都点了什么东西了，最近有哪些帖子——你没有这些东西，它这个系统也没法跑起来。

那你说是不是开源了个寂寞？也不能这么说。马斯克开源特斯拉的一些专利，对于中国人做新能源产业还是有巨大帮助的。这次将单一Transformer模型驱动的这种推荐算法给出来，也是为整个推荐算法进步给出了方向。所以国内那些原来推荐算法比较差的平台，比如像B站什么的，应该现在正在尝试进行复现。但是这种复现就不是说拿人那个系统去复现了，而是说用这种思想和方向去复现。你比如说拿千问的一些小参数模型，零点几B的这些模型，你可以跑一跑试试，或者是看看能不能做出更小的一些模型出来，进去跑一跑试试，应该是有人去尝试了。

怎么发帖可以提高互动？涨粉怎么赚钱？

别说那么复杂的，怎么发帖可以提高互动？涨粉怎么赚钱？这玩意才是大家关心的。

• 负面权重极高（拉黑、静音、举报）：因为这里头是有正面权重和负面权重，刚才我们说这几个都是负面权重。你一旦这个帖子有负面权重的话，说你被很多人拉黑过、被很多人举报过、有好多人去静音你，这种帖子就会非常非常吃亏。所以那些喜欢引战吵架、喜欢骂街的那些大V们要小心了，原来他们是可以吸引非常非常多流量的，以后的话这种流量会下降的。
• 连续发帖会被降权：千万不要尝试刷屏，就很多机器人喜欢干这个事，连续的往外发帖子。这个系统也是需要处理机器人的，但是具体一些处理机器人的模块并没有在这一次开放出来，因为你如果敢开放出来的话，那机器人马上就给你照方抓药了，给你表演什么叫道高一尺魔高一丈了。
• 正面权重：用户停留时长：这个事很重要。什么叫用户停留时长？你像我们刷X的时候，如果你看到某一个帖子，你需要停下来，你并不用点进去，你还要停下来，你要认真看这个帖子到底写了什么。在这样的情况下，X就知道了，这个是一个大家喜欢、要停下来看的东西。很多长帖子，故事叙述性比较强的——但是你说我啪写一大块，这事也不行，你还是要写出条目来，可读性比较高。这样的帖子才容易让人留下来。前头写一很好的钩子，这样容易留下来；然后放出视频、放出图片来，这样容易留下来；然后做一些系列的讨论，这样也容易留下来。这样的帖子才是X所希望的。

为什么是这样？因为这种帖子可以让X展示更多的广告，人家这个平台也是要挣钱的。

• 视频帖子非常赚便宜：但是他这很逗，他的视频主要看点不点开，不管你是不是看完了。像TikTok、像YouTube，他们主要考察的是完播率，因为那些平台是要在视频前后的去给你插广告的。而现在X的逻辑是什么？就是你点进去了，你就可以展示这个帖子的一个详情页，它就可以多给你放一堆广告出来，所以你只要点进去就行了，你是不是把它看完无所谓。
• 回复评论也是非常重要的：如果我发了个帖子，你们给我评论了，那我一定要在下头再给你回回去。为什么？就是一旦进入评论页了，你相当于也是进入一个帖子的详情页了，那么X展示广告的机会又上升了。所以你看，所有的X所愿意推荐的这个帖子，都是能够让他多放几条广告的帖子。
• 尽量不要在里头贴链接：马斯克真的是想做微信了，他不希望你用链接把流量从X引走。这个点对于老范来说不是特别有利，因为老范经常发帖子说：“你看我发视频了，大家去看视频；我发博客了，大家去看博客呀。”这个是X不喜欢的。

规则之下的现状

既然有这些规则了，谁跑得最快？一定是坏人跑得最快，好人一般是要慢一些的。原因很简单，坏人是有利益的嘛。大家还记得前几天那些@Grok脱衣服的帖子吗？是不是完全符合这套标准？我发了一个美女照片在上头，在下头写@Grok，给她把衣服脱了，或者给她穿上比基尼。这种时候大家就会点到这个回复里边去看，点到详情页里边去看，你的点击率一下就上去了。这个应该算是马斯克自己家的，人家说自己利用一下规则没毛病。

最近大量的抖音和TikTok的热门视频被搬运进来了。算法对于视频是有极大的倾斜的，只要你这里头有视频，视频被点进去了，他就会非常努力的给你推荐。所以我现在打开X，基本上跟刷抖音的那个感觉差不多，里头大量的抖音视频。因为这套算法里头是没有任何跟版权保护相关的东西的，他不是说你发的这个视频最后有一个抖音或者最后有一个TikTok的标，他就给你下架了，不会干这事了。他才不管你是从哪来的。大家的玩法在这点其实都差不太多，先热闹起来然后再清理。现在X上短视频少，他又希望短视频，那你们就来；等什么时候我这短视频多了以后，我再收拾你。这个有点像新加坡，先吸引一大堆大陆土豪去移民，然后再反洗钱、关门打狗，这基本上应该是这样的一个套路。

最近有好几个涨粉相关的账号跑来关注我了。什么叫涨粉相关？就是他那个账户的名字叫“涨粉多少多少”，赤裸裸的叫这名字。如果我也去回关他、跟他聊两句、花点钱的话，那我这个X上的粉丝就可以蹭蹭蹭涨，涨一堆机器人出来。我的帖子下面也出现了一堆炒币的人进行回复。这个原来其实比较少见，这一次马斯克开源了这些算法以后，很多这些炒币的人就来回复我的帖子。如果我再回复他的信息的话，他的账号被看到的机会就会上升。所以一般遇到这样的帖子，我就不再去理他了。机器人已经活跃起来了，等着老马进一步更新他的算法了。

马斯克开源的真实目的

这一次老马总算是真的开源了吧？老范是不是被打脸了？这个还要看下个月。为什么这么讲？马斯克宣布每四周更新一次代码。前几次更开源都是扔上去，以后几年都不带动的，彻底就不理你了，算是一个死项目。这一次老马说我每四周更新一次，老马也算开创了一个先河。

以前做开源软件的目的是什么？

1. 降低系统维护的成本：我把系统开源出去了，你不懂的话，你可以在上头看代码，你也问问其他使用者，大家可以聊一聊，我就不用挨着个去给你们服务去了，甚至有些人可以帮我改bug，这是第一个。
2. 提供松散协作的机会：我一旦把代码开源出去了，就会有其他人才提这个pull request，让我去修改这个系统，甚至他替我改，他会进行一个跨国家的松散的协作。
3. 绑架事实标准：因为你开源了，一旦这个系统用的人很多的话，相当于就形成了一个事实标准，我们就绑架这个标准，然后可以在里边挣到钱。

马斯克开源的目的跟他们不太一样，他是提供了一个监管窗口。你看我把这东西开源了，大家以后觉得我的X有什么推荐不对的地方，你自己去看去。我可以开源，让你们去监管，让你们去审核这个东西。你再批评我，你可以去看。其他那些平台还没开放，我都开放了。他搞了这样的一个事情。

关于偏见与监管

很多人都说X是一个很右的社交媒体，因为相比其他的这些社交媒体平台来说，X是要偏右一些的。现在马斯克说：“来，我直接把推荐系统给你开放看看，你现在看看我到底右不右。”为什么大家都觉得这个X偏右，大家是不是冤枉马斯克了？其实没有。原因很简单，左的特征是什么？圣母嘛，道德高地嘛。大部分的社交媒体平台是按照更左的方式来进行内容审核和筛选的。如果是这样的话，内容比较开放的这种X平台，就肯定是靠右的嘛。左右这个事不是绝对的，它是相对的。

这次开放的代码肯定不是传统的开源项目。它无法复现、无法使用，代码跟文档也不是完整的，也基本上不回复社区的issue跟PR。马斯克可以达到通过开源实现监管的目的吗？现在并不能证明开源出来的版本跟实际跑的版本是强相关的。这个东西应该不是实际的版本，也绝对不可能四周才更新一次，各种参数应该是按小时进行调整的。Grok Transformer的这个模型规模也不大，应该可以几天的时间就会重新训练一次。

这次展示的是Transformer模型之外，并没有保留特定类型帖子的加分减分的这种调整的控制面板。就是说，我就是靠这玩意干活了。你如果希望更左一点、更右一点，你可以在Transformer的这个结果基础上，再去加一层的意识形态的这种调整。但是马斯克给大家看说：“你看我没这东西，这个Transformer模型出来的结果我就直接干了，没有任何跟意识形态相关的东西，都是你的互动可能性跟这玩意相关的。得到结果了以后就可以展示了。”

如果以后每个月更新的版本可以坚持，并且带有完整的更新轨迹——什么叫更新轨迹？在这些源代码更新的过程中，是有一个版本一个版本上的，会写着说每个版本更新什么东西，这叫完整的更新轨迹——如果这个都有的话，那么这个监管会更加可信一些。如果无法坚持，或者以后的更新都是一个没有任何更新轨迹的独立版本的话，监管的效果会差一些。但是也总比那些从来都没有公开过的平台要好。以后再有人批评马斯克说“你怎么偏右”，马斯克说：“我都公开过。甭管我是公开过几个版本，但是至少我公开过，你还没公开过。”他就可以这样去批评别人了。

总结

那未来的方向是什么？做推荐算法的成本一下就降下来了。那些年薪几百万的调参的人，要重新想一想是不是去送个外卖、跑个滴滴了。老马为可信可监管的平台推荐系统做了一个打样。

最后总结一下吧。马斯克开源了X的推荐算法，革命性的单一Transformer模型，就像是一体化的猛禽3发动机一样那么震撼。马斯克为可信可监督的平台推荐系统指明了最新的方向。以后谁想再去证明你的平台推荐系统是可信的，来，跟我一样开放。他就做了这样的一个事情。

好，这一期就讲到这里，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

Prompt：Detailed watercolor rendering of a loft open-plan office interior, no people, neon cyan rim light, deep navy backdrop, cinematic lighting, sharp subject separation, minimal palette (ink blue, neon cyan, gold accents), glossy reflections on glass and polished concrete, intricate textures of wood, metal, and glass, wide-angle 28mm, deep depth of field, strong negative space for text –ar 16:9 –v 7.0 –stylize 120 –chaos 4 –no people, faces, text, watermark, signature, clutter, photorealistic, 3D render, blurry, low contrast –p lh4so59

Palantir成功的秘密，OpenAI都在大量招聘的岗位，FDE会不会是咱们这些毕业的软件工程师未来的出路呢？

大家好，欢迎收听老范讲故事的YouTube频道。

AI带来了很多矛盾，好像什么都能干，但是好像什么也都没有干得太好。业务都达到瓶颈了，只能通过降本增效、不断的裁员获得收益。没法开源，就只能节流。任何公司都不敢说我不拥抱AI，但是呢，真的依靠AI解决问题的效果，又不是那么很好。所以AI这一次真正带来的只有焦虑和内卷，一点希望都没有。这就是AI时代带来的最大矛盾。

现在呢，终于有了一线曙光，Palantir算是一线曙光吧。他们呢，自己有一种职位叫FDE。FDE是什么呢？叫Forward Deployed Engineers，叫前端部署工程师。他为什么有这样的一个奇怪的职位呢？而且这种职位的人数很多。他成功的一个核心原因，就是使用这种FDE职位。

大家想想Palantir是干嘛的？他主要服务的CIA、国防部、美军，他全服务这种人，就会遇到一个巨大的问题是什么？就是他们的需求千奇百怪，千人千面。你上去问说你到底需要什么需求呢，人家又跟你说不清楚，或者说完了以后呢，你也很难能够理解清楚，会有这样的问题。而且呢，他的很多的流程非常小众，就没有哪个说我把这事弄明白了以后，我开发一套系统，放之四海皆准，这个事其实挺难的。

当一个系统需求很难确定的时候，你就没有办法往前走。这种需求一方面是说不清楚，还有一方面，很多做企业AI化的项目呢，都会遇到一个问题是什么？就是甲方对于AI抱有不切实际的幻想，我觉得他这玩意儿下海能捞鱼、上天能揽月，就这样的一个状态。这个还是需要一个沟通过程的。

以前的软件交付其实主要走两条路。第一条路呢，就是工程定制。你跟我说你要什么，我派咨询团队进去出报告，出完报告了以后，咱们在后边一步一步的去实施。然后呢，咱们去验收，验收了以后发现还有什么bug，我们再去咨询，再去给你迭代更新。当然咱们现在讲迭代更新呢，基本上是以年，而且还不是一年，可能两三年迭代一次。两三年迭代一次，以这样的一个频度去把这个软件维护起来的。这是一种方式。

另外一种方式就是做标准化产品。就是我把这产品做标准了，你这个流程跟我这不一样，或者说你整个的决策机制跟我这不一样，照我这改。他是这样的一种方式。前面那个定制工程的那个呢，是肯定人家原来有流程，有决策机制，你必须得照人家那个做。做标准化软件呢，就是要求人家照你这改。你像Palantir这帮用户，那国防部或者CIA的特工，你说我把你拎回来给你做个培训，说现在决策流程是这样的，你必须这么填单子才能报销，这不是开玩笑吗？所以你必须要照人家那个流程做，但是你照人家那流程做呢，成本又非常非常高。定制工程一方面是很慢，另外一个问题是什么？就是很贵。

这个就导致没有办法，只能是上新的方法。那你说我能不能把这标准化产品，我把所有的可能性都覆盖了行不行？现在有一些SaaS系统呢，确实在干这种事情，那就功能大而全呗，非常非常臃肿，所有东西都在里头。那你做了这样的系统以后呢，就会遇到一个问题叫“辣子鸡问题”。什么是辣子鸡？大家有没有吃重庆辣子鸡这种体会？就是一大堆辣椒，你要在里边挑鸡。当有一个这样的系统交到你面前的时候，你就要在大量的、你都搞不清是干嘛的功能里头，去挑那么几个你可能用得到的功能。有可能用错了，还有可能就是你想要的这功能找不着。即使说我进行培训，或者是进行一个很复杂的配置，这种东西呢，没有专业技术人员的伴随，其实你也是搞不定的。这个有时候也是靠咨询师去搞定的，这个也很贵。

那Palantir呢就换了一条思路说，咱们算了，上FDE吧，咱们到现场给你改不就完事了吗？他叫现场或者前端交付工程师嘛，就是派人到现场去说，你哪不不满意我给你改改，或者说你需要一个什么新功能，我现场给你写一个。就是现场给人用的一个半成品的系统，人家用上了。他通过这样的方式去做，他们叫驻场工程师。

当然他们那个驻的现场呢，稍微有点危险，因为有的时候是战场，你需要让工程师到战场里去。他们呢，举了一个案例，比如说阿富汗美军，他到阿富汗去驻场去了。人家说我们的需求是出门怕地雷，看看怎么给你做一个地雷预测呀，或者说怎么去设计巡逻路线呀，还是怎么样。人说不要这么复杂，你能不能给我做一小功能，让我在这个地图上能画一圈，说这可能有地雷。然后下一个人呢，拿着地图，我能看到这个圈，说这个地方有可能有地雷，我绕着走不就完事了吗？他“我就需要这么个功能”。

以前的话，你要想搞定这件事，先上咨询师，写完报告，然后回去开各种需求讨论会，再去做系统系统更新，然后重新培训，是这样的一个过程。现在好了，他有现场的驻场工程师了，你要这功能吧，我噼里啪啦给你写一个。其实这种东西写起来并不复杂，你调这个Google Map的API就可以直接搞定，这个事相对来说还是比较简单的。

开始做完了以后，不是一个特别完善的产品，就是个半成品，人家就拿去用去了。用完了以后，发现被炸死的人少了。这个你想值多少钱？少死多少人呢？碰到地雷的几率一下就下降了，那人家就很喜欢。不算完，他再把这个功能呢，弄回到这个服务器上去，或者弄回到他们的系统架构里边去。下一个人再想要类似的功能呢，就直接可以选配这个项目了。他是这样来去工作的。

美军说我们以后在各个地方去部署你这个Palantir的系统的时候，我们都需要这个圈地雷的功能，或者我们都需要一些，比如说标注毒贩路线的功能，或者其他的在地图上画圈的功能，我们都需要。那它就把它变成了一个标准化的功能。再到现场的工程师能干嘛呢？就是圈地雷我画个红圈，圈毒贩我画个蓝圈，圈偷越边境偷渡者我画个黄圈。他可能就把这玩意稍微改一改就完了，或者我加个小图标。这些部分呢，你就没必要在服务器上，或者在整个的系统里改，这个现场工程师给人改了就可以了。

他现在通过这样的方式把这种问题解决了。最终呢，照着这条路Palantir的走下去了。很多的FDE去到不同的客户现场，现场咨询需求，现场实现。以前都是要去开需求讨论会，会有一个需求评审委员会，评审的人呢，都是离现场非常非常远的人。一评审说这不重要，我们先不做了，我们先做那个吧。这个对于现场这帮人就很郁闷。这就不用费劲了，人现场给你实现了。现场实现嘛，一定是很简陋的，先用起来解决问题，马上被地雷炸到的几率就下降了。这些小需求，他压根没有进到系统里去。但是呢，在地图上画圈这功能，大家都有了，它以后变成这样的一个东西：就是共性的上升到平台，个性的就各自实现就完事了。

Palantir是成功的，大家看看那个股价就可以了。而且大家注意一点，他们用户需求很廉价、很快速的把它解决掉以后，得到了一个什么东西？就是用户粘性不断上升。你说我把这种需求解决了，换一个供应商行不行？别开玩笑了，这样的东西你咋换？换完了以后你需要重新弄吗？这个是肯定没法换的，就属于绑死了，它的迁移成本非常非常的高。而且呢，它通过把这些功能不断的找到共性，把总的服务成本不断的下降。原来到阿富汗去，我要去做这个功能还稍微费点劲，后边呢，把它写到后台的系统里去了，比如说现在又要到哪个地方去扫毒了，要到哪个地方去执行一个别的任务，那再开发出来就简单多了呀。你的服务成本一下就下降了，合同的价值呢会不断的上升。他一开始可能会亏钱，因为你毕竟是要派人上战场嘛，你给钱少了，大家不去的呀。因为你可以解决更多的问题，而且都是高价值目标的问题，你的合同价值上升，利润上升，它最后形成了一个良性循环。

FDE呢，根据描述，好像只是换了个名字的外包和咨询。大家有没有这种感觉？你说了半天这不就是外包吗？你跑到人现场去，然后七拉咔嚓给人做了，给人交上不就完事了吗？或者说咱到现场去询问人有什么需求，这不是咨询干的活吗？那FDE到底是外包还是咨询，还是真的有一什么新东西呢？

首先给一结论：FDE呢，跟外包、跟咨询都是有差别的，但是呢，跟他们也有一定的相关性。咱们来讲一下他到底差在哪。

我上大学的时候呢，就有一种梦想，老师也在给我们讲，后边上班的时候，各个公司都在给我们讲，讲什么呢？叫“软件咨询工程师”。就是我们到现场去，用户说需要什么，我七拉咔嚓到现场给人做了，然后直接交付就完事了。我九几年上大学，那时候就在讲这个事情，但是呢，这个梦想一直没有实现。那为什么没法实现这么美好的愿景呢？原因是软件开发周期太长。你要去开发一个软件，可能正常一两年或者两三年，你才能把它写出来。那在这个过程中呢，沟通效率极低。程序员说的话，人家那个甲方听不懂；甲方说的话呢，程序员又理解不了。这个是一个非常痛苦的过程，为什么咨询服务那么贵？就是这个原因。而且呢，试错成本极高。你要一什么功能我没听明白，我七差咔嚓开始给你做了一两年，做完了交上来以后说，这不是我要的东西，跟我想的不一样，你就需要去为这个错误要买单。而且那么多软件工程师，软件工程师工资很高的，坐在空调房里写了两年，交出来的东西说不对，那你说这成本有多高？这个是以前没有办法走软件咨询工程师的一个核心原因。

原来解决的方法呢，就是要么开发一套通用产品努力销售，做SaaS就是这样的一个过程，靠销量把这个研发成本给它摊掉。另外一种方式就是定制开发了，高收费定制服务。你一旦需求分析错误了，你后边的所有研发、测试、部署成本就全都浪费掉了。为什么咨询师工资那么高？咨询师要比后边的软件工程师的工资还要高，因为他还得懂业务。它实际上相当于一个翻译，它能够把工程师的语言跟甲方的需求之间能够对齐。而且呢，有一整套的规范机制能够保证说我们确实说明白了。为什么搞这么复杂？因为一旦搞错了，你得分责任，谁错了，谁为这个错误来买单，这个事要搞清楚。当然还有一条路就是内卷了，用更低的成本、更多的人去把这事搞定，这个不建议不推广。

那么咨询跟FDE有什么区别呢？咨询是前期介入，出方案，按次付费就完事了。咨询的次数越多，你就给我越多的钱。而且咨询呢，通常是不保证结果的，我并没有说我咨询完了以后我就一定保证你这个是对的。你像华与华那就是咨询公司，能够保证所有买了他们这个方案的人一定能成吗？有些人当然看不上，他们说你这不叫咨询公司，你叫点子公司。国际上那些大咨询公司才是咨询公司。但是其实很多倒霉的公司，也都买了这种大咨询公司的服务，最后也都没玩转。所以咨询公司也好，点子公司也好，是不对结果负责任的。他们只出报告，我报告完了，把所有的该输出的东西都输出给你了，完事了，你该付钱付钱。后边你自己实施怎么样，跟我没关系。而且咨询公司核心要干的什么？就是要改变甲方的组织架构和决策流程，要让他跟SaaS系统配套。当然了，你为了干这件事还要干嘛？要神化你的SaaS系统，“这个东西是多少多少管理大师研究出来的，一定行，比你们这套土办法强多了”，这是咨询公司喜欢做的事情。华与华其实经常干这种活，就是不比价、不投标、不给钱我就不给你干。为什么一定要搞成这样？就是你得信我，你不信我这事咱没法整。而且报告交付了，你就去给钱，后边你自己执行怎么样，跟我没关系了。

外包呢是另外一条路。外包呢，是内部呢自上而下决策，我们决定要做一什么事，然后找人来实现。这个东西呢，是不可重用的。以后需要改什么东西，我就在内部决策，收集需求，然后再找人来干。日本人这种外派，其实基本上就是这种外包模式。

那么FDE跟咨询和外包的差异在哪呢？首先讲FDE呢，是一个合作模式，双人合作模式。Palantir里头呢，有两个职位，一个呢叫做Echo，他是行业里的人。比如说他要为间谍服务，他就得找几个间谍进来，他们能够听懂间谍说什么，也能够听明白说间谍上面这些管理机构他们讲的话到底什么意思。他们通常是从这样的机构出来的，而且还要求什么呢？稍微的有一些颠覆思维。你不能说你原来是间谍，你到这来说我们原来那就是金科玉律，一点都不许改，这种人不要。一定是从原来行业出来，还愿意去尝试新东西，愿意有颠覆的这些人出来做Echo。另外一种人呢，叫Delta，实际上就是软件工程师，是极客。这俩人配一对就出去了。比如说跑到人家那个战场上去，一个人就问他说：“兄弟们最近怎么样？有什么最大的痛点告诉我们，我们来给你去解决去。”把这事聊明白了以后呢，跟这个工程师拍着肩膀说：“我搞明白了，他们就要这这这这东西，你就给我做吧。”这个工程师呢，在后台很完善的、或者功能很强大的系统的支持下，在前台呢，给人做一个简单的实现。这个事就搞定了。他们就是这样的一对一对的出去干活去了。

他们跟咨询的最大差别就是，咨询就是咱们先签咨询合同，你要不愿意干，咱就别签合同，我就不来。签了合同你就要付钱，只要我交了报告出来，你就得付钱。FDE的话，前期有可能会亏钱。而且呢，FDE不是交报告的，FDE是直接出产品的，直接就交付产品出来，然后人家这个功能就可以用了。而且不断的迭代，你觉得哪不对我给你改改，再哪不对我再给你改改，他是这样来干活的，结合了外包的部分属性。这个是FDE跟咨询师的最主要区别。

那FDE跟外包的差别在哪呢？第一个是必须跟CEO和最高决策者沟通，要拿到核心需求下手。外包经常去做一些零零碎碎的东西，这个东西对核心的系统没有什么大的影响。这个其实是外包比较痛苦的地方，因为你一旦给人干了这种活呢，也挺费劲，吭哧吭哧干半天，但干完了以后呢，你的价值没有上升，你没有绑定他的核心利益。你要想绑定核心利益，必须要得到最上面人的支持。其实这块呢，有点像咨询师。咨询师的所有咨询合同，只面向CEO和老大去卖。因为他那个第一合同很贵，第二个的话，因为他需要去改人家的组织架构和决策流程，不跟老大去搞明白的话，你这项目就没法推进。所以在这一点上呢，有点像咨询师。但是外包无所谓，外包就是我找到任何一个神头鬼脸的一个小头头，他给我点小单子，我都能够把这单子做了。

FDE跟外包还有什么区别呢？外包呢，每一次都是人家有什么需求，我就从头给你做。下一次再来一个需求，我再给你从头做。而FDE的话，就是我跟人沟通了半天把项目做了，做完了以后发现这个东西可能有共性，对整个的后台系统的升级是有意义的。所以它后台系统也在不断的升级。其实外包也这么干，只是他不跟人说而已。为什么呢？这就跟现炒和预制菜的差别一样。你到一个外包公司谈合作去了，谈完了以后说：“呀，你这个我需要重新给你做，你那个我需要给你现做”，这样你才能收着钱。你不能说上来了说我们这有一个系统，我在哪干过，我给你改改就行了。这你哪去谈价钱？你谈不出价钱来。但是呢，不上预制菜，你肯定是没有利润的。所以他们一定会开发大量的现成模块，然后到现场去给你拼装去。这个也是中国的这些系统集成公司的一个习惯做法。

那你说为什么以前大家都想去做软件咨询工程师做不出来，而现在就可以有FDE了？到底发生什么样变化了呢？是彼得·蒂尔和Palantir这帮人实在是天纵奇才呢，还是有一些什么样的其他的变化出来了呢？

以前没有，是因为软件开发成本和周期实在是解决不了。现在后台是个大模型。原来你肯定是要写死的一套系统，而现在这种大模型，本身的功能很丰富很完善，啥都能干。虽然可能很多事呢，你直接让他干，他干的没有那么好，但是通过一些AI Agent呀，或者通过一些结构化提示词，你是可以让他干好的。甚至你让他做一次，发现做的有问题以后，你可以让他再做一次。现在的这种后台跟前端之间是个松耦合，以前是个紧耦合。什么叫紧耦合？原来比如说统计了姓名、年龄、族裔，但是呢，突然发现了一个问题，以前的性别只有俩：男、女。后来说叫男、女、不确定，变仨了。再后来呢，变成4个、5个、6个，不断上升。这个在原来的状态下就没法整了，你必须要重新升级版本，你要重新提需求，过需求评审会，上版本测试，然后部署，再重新培训。以前要走这么一个流程。现在后头是个大模型，他没有这个问题。你告诉他说这个性别我需要多存几个项目，或者说我现在需要多记一些字段，他什么时候开始在心理上认可自己是女的，原来没有记过，现在就直接可以干了。直接写一个备注，说某年某月，觉得自己应该心理是变成女了还是变成男了。这个对于大模型来说，都不是什么大问题。你只需要把这个数据拎出来以后，然后拿这个数据去作为上下文工程，它就直接给你输出出来了。现在有这样的一个特别棒的能力了，这是后端强大了嘛。

另外一头是前端。前端呢，有AI Coding了。大家可以快速地在AI的帮助下就可以把代码写出来了。现在前端写代码的速度比原来快好多。在AI Coding的帮助下，再加上后端是个大模型，所以以前没法干的事情，现在就能干了。而且AI Coding呢，其实最适合干这个活了。一上来说我要用AI Coding编程，写个微信、写个抖音、写个淘宝，您想太多了，这玩意不是干这个使的。这个东西最适合干的就叫“最后一公里”，我把最后你需要这点东西稀里哗啦给你抹上，它最适合干这个。所以呢，FDE这个东西以前不能有，现在有了。

那FDE这模式可以推广吗？说的这么好，大家要想清楚，Palantir的这个用户是什么样的？他是美国国防部跟CIA这帮人。一方面他们确实很难伺候，如果没有这么难伺候的甲方的话，他也不会想着上FDE这样的一个前期亏损、还吃力不讨好的一个模式。最后把前面该挨的打都挨过了，终于成为大家仰望的一个高峰了，它是这样的一个过程。但是呢，国防部跟CIA有一些别的特性：有钱。你想我帮着美国大兵少被地雷炸死几个，那你说你得给多少钱出来才算合算？他们是真的有钱，而且也舍得给，这个是他们所具备的一个独特的优点吧。另外一点是什么？就是他们的履约能力、契约执行能力和政策的一贯性都还是不错的。这个话用人话怎么讲呢？就是他们签了协议，后边真的给钱，不会说我签了协议后边就不给了。还有呢，就是很贵的协议，我们也愿意签。什么叫政策一贯性呢？就是前面人签的协议，哪怕你政府换了党派执政了，他们后边还接着执行。不像有些地方，换了一个最上面的领导，你前面的合同不认了。不会有这样的问题。所以呢，如果你的甲方具备这些特性：有钱、履约能力强、政策一贯性强，那么FDE模式是非常非常适合的，并不一定是所有项目都适合。当然了，我们中国呢更卷，程序员更多、更便宜，可能我们适用的范围会比美国要更大一些。

FDE呢还会带来另外一个好处是什么？就是创业。这些懂行的人，他们呢，其实一方面会跟客户沟通，能够理解客户需求；另外一方面呢，他们也会维持客户关系。当他维持了一堆这样的客户关系以后，再加上手头有一个能够干活的小兄弟，那这俩人干脆搭班子创业不就完了吗？所以如果现在有企业愿意招募FDE的话，这些毕了业的35岁以上的，既懂行业又懂编码的这些人，你们就搭伙去干活呗。给人解决一段问题以后，站稳了脚跟就可以创业了呀。像Palantir也在干这个活，他就不断的孵化这些人创业。因为一旦创业了以后，他就可以把这一部分成本就直接扔到外边去了，“你们以后就成为我的一个代理商、承包商，我就相当于把这事外包给你了”，这不也挺好的一个事情吗？所以呢，这是一个新的创业方向。

总结一下吧。Palantir成功背后的FDE模式，为AI时代的软件交付提供了新的模板。现在OpenAI等一些AI大厂，都在成立自己的FDE交付小组，到不同的企业里边去给人做交付去。不要老惦记做这种大而全的东西。前两天也有一个我的付费会员说，你看我做了这样的一个系统行不行。我一看我说，你这个玩意是不是不太接地气？你是不是稍微做一些能够解决具体需求的、小需求的这种东西，然后再逐渐的拓展出去？他说你说的好像也有道理。这当然这种话放之四海皆准，属于正确的废话。但是呢，你看看人家这个FDE的方式，其实这就是现在的新的方向。毕业的Echo和Delta，他们也可以重新上岗了。

好，这个故事今天就跟大家讲到这里。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。

有一位从XAI离职、准备投奔OpenAI的中国工程师，被马斯克起诉了，说他盗取了XAI的机密。

大家好，欢迎收听老范讲故事的YouTube频道，今天咱们来讲一讲这位被XAI起诉的中国小伙子。

他呢，是快速地卖掉了XAI的股票，从XAI离职准备加入OpenAI，但是就是在这样的一个时间点里，他大量地下载了XAI的代码，压缩、改名、上传并且删除了日志。因为他下载代码的时候是有日志的，他把这个日志还删了，做了一个自作聪明的小动作，这样的事情就被XAI发现了。

XAI找到这小伙子说：“你这样干不对，咱们是不是商量商量？”小伙子呢就当时跟XAI达成了一个和解。和解的方式是什么呢？第一个，还是要给一些赔偿的了；第二个呢，是交出自己个人设备的账号，让XAI的工程师去进行检查。但是呢，XAI后来发现说，他给出的账号并不完整，而且有一些设备的账号呢，已经被修改了密码，无法进行登录了。XAI没有办法，只能把这小伙子给告了。

首先我们要说一下，马斯克为什么着急呢？很多人觉得XAI，你这个产品好像也没有OpenAI做的好，也没有人家用户量多，你还怕被人偷吗？这个事是这样，每一家公司呢，第一个是自己都会有一些不传之秘吧，或者说有一些自己做的更好的地方，这些呢马斯克肯定是不希望让OpenAI知道的。另外一个呢，就是你以为马斯克的代码就都干净吗？如果马斯克的代码里头，也有一些是从OpenAI来的，或者从其他什么地方来的，这些代码如果落到OpenAI手里边的话，是有可能会出现一些别的问题的。所以任何公司都不希望说公司里边的代码，整个让别人拿去检查一下，除非迫不得已，是很少有公司愿意交出自己的代码让别人去检查的。所以马斯克很不乐意，说你要么把代码给我还回来，要不然咱就起诉。这小伙子现在起诉要求也是说，他现在不能到OpenAI去上班，你必须把这事说清楚，要把所有的代码也好，你窃取我的机密也好，都要删干净，再说后面的事情。

那你说这小伙子为什么出尔反尔，隐藏账号呢？经常从公司离职的朋友呢，大概都有这样的经验，公司呢会喜欢拿着你的电脑去翻来翻去，想去看一下你里边有什么样的聊天记录。因为像我们上班的时候，都会拿公司电脑当个人电脑去使用，里头有聊天记录，甚至还有很多银行账户，有很多的个人的信息，并不希望别人知道。原来呢，大家你好我好大家好，是一个相对比较平和的状态，现在呢大家闹得不愉快了，人家要求检查你的所有账号的时候，这个小伙子肯定是不愿意的。所以这种出尔反尔，说谈好了我交出账号你去检查，最后反悔，这个是大概率的事件，大家都会这么干的。

那你说挖人了，为什么还要偷代码呢？这个人在马斯克这儿干了可能一年多一点点吧，然后跳槽去OpenAI，他要带着这代码到底干嘛使呢？你说到底是OpenAI要求他带着代码走呢，还是这小伙子自己说，就是要带着这些代码走，不带着这个代码我就心里不舒服？通常这样的案件呢，都是起诉个人，不起诉公司的。因为起诉公司就变成势均力敌的两个大的公司，就算一公司大一公司小吧，也算是两个公司法务之间在打官司，而你起诉个人的话，可能相对来说事情更容易解决一些。马斯克前面也遇到过几次类似的事情，都是起诉个人，后边我们再去讲马斯克起诉其他工程师的事情。在行业里边，大家都是这么约定俗成的，这谁偷的代码，就怪这一个人，不能怪未来这公司。

你说这代码是我写的，那我从这离职了，到另外一公司上班去，那为什么一定要把这代码带着走呢？这个说了一个特别有意思的事情：虽然是工程师，但是干多了以后就都是艺术家的活了。有没有人听懂这话什么意思？就是我们去进行创作的时候，工程师也是在做创作吧，一般分三个层次。第一个层次叫艺术家，第二个层次叫工程师，第三个层次呢叫科学家。他们三个层次是什么样的差异呢？艺术家呢是激情创作，你不可重复的；工程师呢是可重复、可迭代，但是呢你是不知道里头具体的一些底层原因的，所以我没有办法把我的这些技术呢应用到其他领域里头去；科学家的话就是他了解底层原理了，他可以把一个科技从一个领域应用到另外一个领域里去。这就是三个层次。

工程师呢，按道理说应该是干中间这块的事情，可重复、可迭代。那我既然在这个公司干过了，我上别的公司再干一遍没毛病，而且还能干的更好。但是呢，如果你干的活比较大，你就可能就会下跌到艺术家的层次了，所以我说干的活多了就回干的都是艺术的活，就是不可重复了。你说我在这写了两年的代码，写了很多很多代码出来，说来再给我写一次，发现原来我到底咋写的我想不起来了。所以呢，工程师喜欢带着自己的代码走，这是一个很大的原因。另外一个原因是什么呢？还有别人的代码了。一个系统里头不是光你自己的代码，大部分工程师，就算是要重现原来的过程，也都是会去重新写，没有人会去默写这个东西。你就算把自己的代码都写明白了，你没有其他人代码的配合，你跑不起来。在这个时候你就需要整个系统的代码，需要把别人的代码一起带走，这个才是偷代码的一个核心原因。

被偷的代码通常也不会被直接使用。不是说我把这代码拿回来，到那边往上一怼就开始用了，一般没有人干这个事。为什么？因为你的代码一旦开始对外服务以后，就会被抓住，说你那个代码跟我那个代码是一样的，我去起诉这个公司。其实后边偷代码，或者应用这些代码的公司，很少有被起诉的，因为他们都会要求说，你在我的公司里写代码，你必须要能够说明白这代码是哪来的，或者要重新写，或者是要有出处。你不能说随便找一个没有出处的代码给我搁上。在国内是发生过类似的案件的，有人把系统发布了，结果发现里头有一些代码是抄别人的，这个代码已经是被别人申请了著作权的，然后被起诉。那起诉了以后，公司也没什么好说的，直接把这个写代码的人告了，说我要求你重写，我要求你去用可靠的代码，我从来没有让你去把别人的有版权的代码给我拿到这来直接使。那这个责任一般公司是不担的。所以这些代码就算被拿走了，也不会被直接使用。

下一个问题，偷代码是如何被发现的呢？这帮程序员自己就是写代码的，自己想偷点代码，难道还会被发现吗？

偷代码被发现的过程呢，通常是跟代码访问日志有关的。代码这个东西呢，并不是说在我电脑上存一份就完事了，我们通常都会有代码管理工具。他呢，负责几件事情。第一个呢，代码版本管理。我这次加了两行，下次改了两行，再下次我删了两行，我再多写了一个新文件，删了一个文件，把文件改了个名字，这些东西它是有过程的，你需要记这个日志，说我为什么加了两行，为什么删了两行，我每一次到底差在哪，这个是要去进行管理的。

下一个问题是什么呢？代码的一些权限管理。我可以读哪些代码，我可以改哪些代码，我可以删哪些代码，这个是要进行权限分配的。你不能说所有人都可以读所有代码，这个事是很危险的。谷歌早期的风格就是每一个人都可以读所有代码，但是后来因为发生了景德镇的事情，就是景德镇一个小的学校里头，应该也是服务器被人当成肉鸡了，做成跳板偷了谷歌的代码。谷歌以后就是说，我们不能让大家去访问所有代码了，这个太危险了。

我们所有人去check in代码和checkout代码的时候，它是有日志的。你每天上班，你正常工作，你应该checkout多少代码，这个事儿是有一定的规律可循的。通常呢，我们会把别人跟我相关的代码，更新的部分会把它checkout出来，我们很少会把整个的项目都checkout出来。一个是很大，第二个的话，就是你真的把这么多代码弄回来以后，你去编译，或者去处理这个系统是很麻烦的，非常非常耗时间。所以大部分情况就是，我写中间的某一个模块，我只把跟我相关的模块checkout出来，再去进行编译。而且我们checkout出来的别人的代码呢，通常也不是源代码，有时候我们会去把源代码拎回来，有的时候我们就是把一些别人编译好的结果拎回来，因为我们没有权利去改别人的代码。

还有些人说，我就是有权利可以得到所有代码。他们是什么人？测试。你这边把代码传上去了，那边有一个岗位叫测试岗，他需要把每天的代码拎回来去进行编译、检查呀，或者做这种测试流程。所以不同的角色，负责不同的模块的这些程序员呀、测试或者是架构师什么的，他们会有各自的权限，大家会去形成一个默契。一旦是超出了代码使用的权限范围，比如说这代码原来你不该用的，现在你把它checkout出来了，这些呢就会被记录下来，就容易被发现。

前几天呢，台积电发生过一次泄密事件，台积电两纳米技术泄密。其实本身做的非常隐蔽，他们干嘛呢？就是在这个笔记本上把代码显示出来，然后拿手机拍照，拍完照以后拿手机把这东西传走了。因为手机呢，你连接的是蜂窝网络或者5G网络，你再传任何东西出去的时候是没有日志的。你拿手机拍照的时候呢，这个电脑也不会有任何日志说我被人拍照了，我把它记下来。但是依然被发现了，原因就是有三个工程师，大量地访问了不在权限范围内，或者平时他不该访问的这些代码，这个事就可疑了。然后直接把人抓住，说你们到底干嘛了？说我们把代码checkout出来拍照，拍照完了传出去了。这个事情，通常是靠代码访问日志能够抓住。

那么除了代码访问日志之外，还有什么呢？就是文件访问日志。这个事呢，对于程序员来说未必有效。什么意思呢？比如说office文档、word文档、Excel文档、Powerpoint文档，它呢其实是有权限的。有些文档在打开的时候会记录谁可以打开，谁不可以打开，或者你在什么样的网络环境下可以打开，不在什么样的网络环境下不可以打开。还有一些文件呢，必须要使用特殊的软件进行解读，每一次这个软件解读这个文件的时候呢，都会在服务器上有日志会存下来，一旦发现你做了一些不该做的事情，也是很容易被发现的。

再往后呢，就是电脑访问日志。最简单的就是插U盘，你是不是把U盘插到这个电脑上去了？插上去以后到底拷贝什么文件没有？这个也是可以被发现的。还有呢，就是叫内部网关。公司里头呢，大家都是连Wifi，在公司里头都是有网关的。谁在公司内部把大量的数据拷出去了，它是会有记录的。刚才我们讲的这位XAI的华人小哥，他是把代码压缩了，压缩的过程呢，它就可以绕过网关的内容检测。比如说这个里头有大量的什么XAI、Grok什么代码，这些东西一旦压缩了以后就看不出来了，但是你的数量一定是不对的。你正常比如写个邮件出去，或者是我登录的什么网站去购物了，刷两条视频，这个都不是什么大问题。但是发现，你突然往外传了好几个G的文件出去，压缩的文件，我还不知道里边是什么，因为压缩的过程还可以加密码嘛，这哥们好像还加了个密码。这个事情也是很容易报警的。

除了这些之外还有是什么？就是可疑动作。就是你做了一些平时你不该干的事情。像这位华人小哥他干了一什么呢？他去修改日志去了。他知道说我去checkout了我平时不应该用的这些代码，它是有日志的，然后他就把日志去改掉了。但是你要知道，你修改日志这件事情，它也是有日志的，这个也很容易被发现。这个肯定很聪明的小伙子嘛，斯坦福的博士，这些人他对于真正安全上的事情呢，并没有那么了解，术业有专攻嘛。

但是大家要知道，绝大部分的工程师在离职的时候，都会带走自己的或者不是自己的代码，其实大家都干。那为什么他被抓住了呢？咱们原来讲，叫不打勤的，不打懒的，专打那不长眼的。被抓住呢，通常都是在离职前突击访问代码库，调取权限以外的代码，这些人是容易被抓住的。那个XAI这华人小哥也是干了这么个事情。如果你平时注意日积月累的话，这种通常是抓不住的。

近些年来呢，涉及中国人的窃密案件其实还是蛮多的。这也没办法，中国程序员多嘛，特别是AI领域里头，咱们的人确实是稍微的多了那么一点点。特斯拉在2019年呢，曾经起诉过一个中国小伙子，盗取了他们的自动驾驶的代码。当时被起诉的时候呢，这个小伙子是小鹏汽车美国研发中心负责自动驾驶的负责人。2019年起诉，大概到2020年和解掉。在这个过程中，小鹏也真的是把自己的代码拿出来给法院去检查去了，证明了小鹏的代码里头并没有使用特斯拉的代码。刚才我也讲了，这些代码拿出来了，通常不会直接使用的，而是会重新再去编写，但是你有了原来那个样板，特别是能够跑通的样板，对于你去写一个新的来说，是非常非常有帮助的。

苹果大概也是在2019年、2020年左右，也是起诉了两个中国工程师，窃取他们苹果的自动驾驶相关的代码，这两个工程师好像也是去小鹏了，后来应该也是和解掉了。谷歌呢，曾经起诉过一个中国工程师，他呢是窃取了谷歌的TPU芯片设计相关的代码，小伙子呢是跑去国内创业了，他是准备创业做一个自己的芯片公司。近些年来中国人干的这种事情还是蛮多的。

代码跟人的边界，有时候并没有那么清晰。搞到技术机密最简单的方式就是挖人。我们看谷歌这东西做的不错，我们也想做怎么办？上去挖人。其实像我原来很多的工作就是干这个事，上去找关系，这个人原来谁是他老师，谁是他同学，谁跟他共事过，哪块能够找到这个人，冲上去找。去找完了以后，坐下来跟人聊，聊完了觉得这一块行，你到我这应该能够搞定，我们就会去把人挖回来。

但是挖人的时候，你说我们会不会暗示或者明示对方要去拷贝代码呢？不会，绝对不会。但是我们会问他说，你过来了以后，你觉得怎么能够复现这个东西？或者说能不能够把这东西做的更好？其实通常我们把人挖回来，复现这个系统的时候，都会比原来做的更好一些，因为原来踩过的坑，他不用再踩一遍了嘛，而且还有一些新的技术，以前那些包袱就可以扔掉了，所以通常还会再提升一点点。但是当我们去跟他沟通说，你怎么去复现这个系统的时候，被挖的人呢也就知道该怎么去做这个事。但是我们不会去明示或者暗示对方，如果我们遇到有些人跟我讲说，我有原来那个代码，我可以再搞一遍，我们还会专门地提醒他说：“不行，我们是不能承担这种法律风险的。你到这必须要保证所有代码是干净的，要么你重写，要么你使用开源代码，你一定要遵守原来的开源协议，你不能偷人家代码。”这个事我们一定要讲清楚。

这种挖人呢，当时我们其实还是进行的非常的轰轰烈烈的。有一段时间各大厂在美国呢，都还是有研发中心的，可以就近挖人。而且挖完人以后呢，也不用说你还要回国呀，还要怎么样。而且他们在美国这些研发中心，也给人发H1B，也给人去整绿卡去，都是一样的。

挖人挖的最猛的时候，有一个故事就是Facebook的食堂故事。当时我们到美国硅谷去，都是跑到各个公司去吃人食堂，吃谷歌食堂、吃微软食堂、吃LinkedIn的食堂、吃Facebook食堂。他们这些人其实本来也在各个食堂之间串来串去的，他们食堂都是免费吃的，不用给钱，没有饭票，也没有说你进来先要看一个工卡，没有工卡不让吃，没有这事，访客一样吃。但是访客也是有证，你身上挂一访客证，你可以到人食堂里吃饭去。谷歌一开始因为食堂做的特别好，很多Facebook的人在谷歌吃两顿饭以后，就被人挖走了。后来Facebook痛定思痛，说不行，我一定要自己整一食堂，我要做的比谷歌好吃。然后Facebook挖了很多谷歌的人过去。但后来呢，出了一个什么大事呢？就是腾讯的人跑到Facebook的食堂里去吃饭，当然肯定也是有Facebook内部的员工带着进去，你不能说大街上人就直接进去，这是肯定不行的。进去了以后，这些腾讯的人就开始在Facebook的园区里头面试了，面试完了以后，就把很多Facebook的人直接挖到腾讯的办公室里边去了。这个对于Facebook来说是完全无法忍受的，说你带人进来吃个饭没问题，这点钱我们还是花得起的，但是你带着竞争对手进来，然后挖人，这个有点太过分了。当时是开除了好几个人，这个也是比较有名的一个案件。

下一件事就是这个代码的问题了。代码呢，就是把人挖回来从头再来，通常还是要有一定成本的。有些人比较着急，所以就会有这种偷代码的事情不断地被发现。而且其实很多偷代码的事情都是怎么发现的？就是一些比较高层的这些人被抓的。这些高层的人其实是比较容易被发现，为什么呢？因为他们已经脱离实际工作了，对于底层的很多安全手段也不是那么了解，而且平时你说作为一个管理者，自己又不是那么懂代码，也没有那么多代码是平时他每天要用的，他可能每天看个这个报告就完了。这些人如果突然跑去下载了一堆代码的话，是更容易被抓住。像我们以前挖人，其实是比较喜欢挖这种人的，我们管他们叫“技术官僚”。为什么挖他们呢？他又不能直接上手干活，这可能跟普通人的想法不太一样。原因很简单，就是我们一旦把这个人挖回来了，他就可以快速地把以前的手下、各种亲朋故旧全都带回来，他是有自我组建团队能力的。但是有一些这样的人呢，就一拍脑袋说，我是不是把代码也弄回来？这种人就容易被抓。

中国跟美国的竞争，其实现在大家看到AI领域里头，就是在做这件事情。他呢跟冷战时代其实已经完全不一样了。冷战时代呢，美苏之间隔离的还是很严格的，没有那么多的人员进行交流。虽然也确实有很多俄罗斯科学家或者苏联科学家在美国上班，但是这个量要比今天在AI公司里头打工的中国人要少太多太多了。即使这样的话，奥本海默在扔完原子弹以后，也是被调查了很久嘛，看看他是不是亲共、亲俄嘛。我记得去看奥本海默的电影，从头到尾就是奥本海默坐在那接受调查的一个过程。

AI领域里头想要离开华人做事情，即使在美国其实也不太现实了。二战的时候做曼哈顿计划，你离开俄罗斯科学家，离开苏联科学家，你把这事做成了还是比较可能的。但是你估计离开德国科学家，离开犹太科学家，你这个原子弹就做不出来了。现在在AI领域里头，你离开中国科学家，这事可能也不太容易搞定了。所以在这种偷代码，或者是一些闹得不愉快的事情里头，遇到中国工程师或者科学家的概率还是很高的，甚至会远超过50%。为什么呢？虽然现在很多公司里头看人员名单，说中国工程师好像也就是占到一半，或者是一半上下的一个水平，但其实大家要想清楚，这一半上下的中国工程师，他们主要都是工程师。你这不废话吗？这个说的另外的是什么呢？就是其他的那一半的人，可能主要的不是工程师了，他们可能有一些人是什么财务、HR或者是法务。真正前头加班加点攻坚的这些工程师，大部分都是中国人。另外一点是，中国公司在这一块也有巨大的投入，中国大厂站在旁边，虎视眈眈地准备挖人。所以呢，以后出现这种不愉快事件里头，中国人在里边占的比例应该会不低的。

总结一下吧。马斯克的代码被偷了，愤然起诉了中国工程师。这个工程师应该还是中国籍，大概是加拿大的枫叶卡和美国的H1B。中美之间其实很难通过法律、竞业或者其他的任何手段，真正进行技术隔离。AI这个领域里头，美国人希望靠各种禁运，靠各种的法律手段，让这些技术在某些公司内部去运转，这个事儿可能性不大，必然会在AI领域里头，两个国家齐头并进。

好，这个故事就跟大家讲到这里，如果有后边进一步的瓜，咱们再继续分享。好，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。

深度求索的创新模式可以复制吗？既然他能做出来，而且也让美国人愿意接受我们的这种智慧，这个事是不是可以再来一次？这个事能复制吗？

首先呢，咱们要从幻方量化开始讲起。幻方量化呢，我其实跟他还稍微打过一点点交道。我自己个人的经历是，2009年到2012年之间，就职于盛大创新院。后来大概到11年、12年这两年呢，就开始分拆，分了很多的这个子院。其中有一个院呢叫多媒体院，多媒体院的院长呢叫陆坚。他呢是浙大的本科，后来到美国去读的博士，然后去了苹果公司。就是如果你现在用Final Cut，用QuickTime，这些东西就是他写的。后来呢，他在我们那里当了两年的院长，离开盛大创新院以后呢，是LinkedIn中国的总经理，现在应该已经进入半退休状态了。

他呢是浙大的，浙大呢其实在杭州，培养了大量的图形图像相关的这种人才。当时呢，做媒体院的时候，陆坚就带进了一大批浙大的学生，做各种的图形图像处理的事情。在15年还是16年的时候，有一次跑去杭州，找很多原来盛大的老同事去吃饭，因为好多人去阿里了嘛。吃饭的时候呢，就有一位老同事约了我，说你来了我也吃个饭呗。这位老同事呢就跟我讲，说咱们做个量化交易，说我们现在干这个事。但当时他们这种量化交易呢，还是私下里边做，自己有一些钱在做一些，挣一些小钱，并没有公开对外去募资。

我印象里是在18年、19年的时候，他们就开始公开的亮相，说哎，我们开始做AI选股了，用AI来进行交易决策了。这个公司实际上就是幻方量化。幻方量化里头最大的那个创始人，就是占85%股份的那个创始人，我没见过，但下边有一个占7.5%的，这个创始人是我以前的同事。他们呢是从私下里头几个人去做，逐渐正规化，开始向外销售产品，实际上也就是募资嘛。

他整个的幻方量化的团队呢，也是由一群浙大的算法天才凑一块干。幻方量化的发展呢，他算是中国首支达到1,000亿规模的量化基金，早期的业绩还是相当不错的。

有几只产品达到了400%的收益率，就是你给他一块钱，最后出四块钱出来，这个还是非常非常不错的。到2024年的日子就没有那么好过了，因为幻方量化里头有很多的这种基金，或者有很多的产品，是以中小盘股为基础方案的。因为你做大盘股，你是做不动的嘛，只有在中小盘股里边去做涨做跌，你才有这种盈利的机会。

所以呢，他们到2024年的有几只产品有10%的收益，但是呢，也有几只产品是以中小盘股为基础的，就直接亏掉了，大概亏了5%到6%左右的吧。我觉得以中小盘股的2024年A股的一个状态，只亏这一点点，他们已经很努力了。

现在呢，幻方量化已经不是国内最大的这种量化基金了，现在国内最大的量化基金都是玩大盘股的，就是已经是跟这个国家要一起往前走的这些基金，他们才可以长得更大一些。现在幻方量化下的应该有几只500亿或者几百亿这样的产品还在跑着，没有任何问题。

幻方量化下面的这个老大对整个的这个技术非常非常感兴趣的，2023年成立了叫深度求索的这样的一个新公司。他们这个公司呢，没有什么资金的压力，因为幻方就是投资方。这帮炒股票的人，做过量化交易的人，手里反正有的是现金，说我们投入就完事了，你也不用再去出去找钱了，也没有短期内的盈利目标。我也不是说做到哪天必须要挣到多少钱，也不需要出去跟人家显摆。

因为很多的创业公司，你不断的要拿出业绩出来，是为了融下一轮的钱，他们没有这个压力，说我们就是为了爱好，为了梦想，为了荣誉，去干一点自己喜欢的事情吧，就是这么一行的一帮人。所以呢，他们只做基础研究。那种既要又要不可取，什么叫既要又要呢？就是我又要做大模型，我又要去做行业应用，我又要去做ToC的产品。国内其实有几家公司是这么干的，但是对于这个深度求索，就是Deepseek这个公司来说，他们就做大模型，其他啥也不管，做开源，也没有ToC的产品。他们倒是有一些ToB的产品，北京有一个深度求索的公司。

是在去接一些ToB的这种集成单子，还是在做的？然后大模型开源了以后，开放API，大家就上那上面去用就完了，而且很便宜。他们呢是不做APP的，坚决不做APP。目前呢也没有多模态，未来应该会做，所以是一个很单纯的公司。咱们对比一下其他的公司，既要又要，比如说李开复的零一万物，一开始做开源，然后呢说不，这个开源不挣钱，我们要去做ToB系统集成去。说这个ToB系统集成，好像打不过别人，很简单，你一个台湾人，在中国现在这样的一个状态下，你想去接一些政府单，多费劲，这个就没法整。

说那咱们去做ToC吧，做了一个叫万知，一万两万的万，知识的知，做了这么一个产品。这种东西呢，你又没有流量，你跟这个豆包打，你根本打不过人家。别说他了，什么通义千问、文新一言、文小言，这些东西都打不过豆包，因为人家有流量，你没有。后面的开源也懒得做了，反正就在这一点点往前蹭，又号称拿了一笔钱，看他后面在做什么吧。

这是李开复的零一万物。Minimax呢，ToB的业务在做，ToC呢有一个叫Toky的产品，就是这种陪伴型产品，还做了海螺，就是可以做这个文生图、文生视频，这样的产品都做出来了。这个Minimax呢，就是ToB、ToC，他自己也有做API的，都在做。就是所有既要又要，还要也要的，这个就是他们。但是呢，他这几块做的还可以，不像这个李开复那个似的，哪块好像都没开出花来。

然后百川智能他们呢，是没有这个ToC的产品，除了模型研发之外，剩下就是行业解决方案了，什么银行、医疗什么开始做这玩意了。然后质谱呢，是模型研发订阅和授权，剩下也是行业解决方案了，也是没有ToC产品的。接月星辰呢，是模型订阅行业解决方案，也有ToC的产品。月之案面也是全活，什么都干。

以上咱们讲这个呢，就是号称的中国AI六角龙，就这六个。然后大厂呢，你做一些全活，这是合理的，小公司何必呢？哪个都不想放过，我ToC我也要做，ToB我也要做，模型我也要开发。

开发完了以后，我还要立个什么出去跑分什么的，都要去干。所以跟他们比起来，Deepseek就要单纯纯粹的多。我就去做模型，而后我还在模型的基础上做各种的改进。改进完了以后呢，跟全世界的大模型的圈子里头一起去建立新的方向，建立新的标准，一起往前走。

咱们回来讲这个Deepseek，他的领导跟这个领头人是很重要的。这个人呢叫梁文峰，这个人我没见过。我那个以前的老同事是下面的一个小股东，早期的三个人应该都是技术，主要就是做这种研发的。实际上，他们早期就是自己做，自己去炒这个股票，完全是自用的一个东西，所以早期并没有那么商业化。而且呢，做量化这种人呢，是隐士大侠，他也不愿意出来跟你见面，也不希望去跟你谈很多事情，所以这个人在外边露面的机会也不多。

我后来找了找，在网上找了两篇梁文峰的访谈。今天这个后边的故事呢，有很多是来自于访谈里边的信息。做量化的时候，一开始确实是比较隐蔽，而且呢，没有这个海外大厂经理。就是大家要知道，像国内的这些做AI的，这个六小龙里头，有很多是由海外大厂经理或者海外名校经历的。即使没有的话，可能还有清华呀，还有很多的什么百度或者是格林深瞳这样的国内AI大厂经历也是有的。

但是呢，梁文峰就没有，浙大毕业了以后，中间这段的生活就不太确定了，因为他也没有什么对外的披露出来。后边呢，就开始做幻方量化，炒了股票挣了钱以后，就去做Deepseek了，就是这样的一个情况。这个人呢，每天像极客一样去干活，或者像黑客一样去干活吧，也不怎么说话，每天就是看论文，写代码，参加小组讨论，也没有那么多的管理的事情。

肯定的天才是必然的，这种黑客型的天才呢，在中国各个角落里头还是隐藏了不少。这个愿意为理想荣耀去努力的人还是有的，有能力做自己想做的事情，还没有钱方面的限制。这个呢，就相对来说要难一些，因为我见过很多的黑客型人才，但是呢，他们都是在为五斗米奔波。

又有能力，又有想法，还有钱，他就会做出像Deepseek这样的奇怪的东西出来。他在前面讲过一个很有趣的话，是“务必要疯狂的拥抱雄心，且还要疯狂的真诚”。他是这样去要求的，而这个话呢，是2023年4月11号，幻方在发布大模型的时候，他们说：“哎，我今天要开始做大模型了。”做公告的时候，引用的法国新浪潮导演克里弗曾经告诫年轻导演的一句话，那咱们再说一遍：“务必要疯狂的拥抱雄心，且还要疯狂的真诚。”这种人，他们能够在钱财无忧的情况下，做出一些让人大吃一惊的东西出来。

因为幻方前面也是在做AI的大模型，就是在ChatGPT出来之前他们就在做，所以早早的呢，囤了1万张的A100。幻方他们应该是全国除了大厂之外，唯一的一家手里有一万张A100的公司。你想，A100这个东西刚出来的时候，一万美金一块，一万张A100，他就是一亿美金。他手里能够有这样的一个资产，还是非常非常吓人的。

那么招聘方面呢，因为老板自己并没有海外留学大厂工作，所以呢，他在招聘这块也对这块要求的没有那么重，因此招了很多的应届生回来。要求的是什么？第一个要感兴趣，你要喜欢这事；你要不喜欢就别费这劲了。第二个，除了喜欢之外还要什么呢？要有基本功，基本功一定要扎实。因此，他要求的第一个叫热爱，第二个要有能力完成项目。你不能说我光喜欢，但是我做不出来这事不行。

所以他们基本上是以这个标准去招聘的。当然，现在也有很多的清华北大的人被招进去了，原来呢，可能主要是浙大的人稍微多一些。他们的创新呢，是一种自下而上的创新，不是一种自上而下的创新。每一个人呢都可以提出自己的想法，而且他们不需要去提前分工，比如你去做数据标注，他去做哪块，谁去跟什么东西，没有这个。每个人呢都可以按照自己的爱好和路径去做事情。

像前面我们讲的那个MLA，叫多头潜在注意力机制，这个东西呢，就是一个很年轻的研究员提出来，提出来完了以后说：“那试一下。”谁都可以提出要求来，那试一下。

然后，试的时候呢，发现哎，有点效果。 有了效果之后，分配算力资源就开始继续往下做。 就是当大家初步验证成功了以后，就会从上而下的再投入资源。 这个呢，其实很像美军搞的那套东西。 美军说，司令部里边这些长官，他是不了解前线情况的。 所以怎么办呢？让这个小团队出去，你们现场侦查，然后向后边要各种支援：我要导弹、我要空投、我要撤退。 后边人只管给支持就完了，或者给他们各种信息，让他们到前头去。 打仗的人来决定这个仗怎么打。 这个是在美军海外战争以后决定的一种工作方式吧。 Deepseek也是使用的这样的一种创新模式。 像其他的都是老板是老大，他有经验，他一定说了算，下边人你就只管干活就完了，你们都是螺丝。 Deepseek在这块是有很大差异的。

Deepseek还干了一个什么事呢？就是很意外的挑起了价格战。 在Deepseek V2发布以后，他们就进行了大规模的降价，100万TOKEN一块钱人民币。 这当时的想法是什么呢？就是这事呢，不能赔钱。 当大家来去用我们的这个和算力的时候，不能赔钱，但是呢，也不要求赚很多的钱，不用求暴利，稍微赚一点就可以了。 所以呢，这帮人核算了一个成本，就直接把价格扔出来了。 也没想到整个的行业会对于这个价格这么敏感，没想着会有人跟进。 智谱马上就开始跟，将一个很小的模型降价了。 大模型呢，还是比较贵的，因为质谱其实还是小龙嘛，6小龙的小龙，就是他还是融资干活的，钱没有那么丰富。 但是后边字节的豆包，大模型就直接跟进了，全线降价，包括后面的百度的文新、阿里的通义千问，都在大规模降价，直接就把价格拉下来了。

所以呢，Deepseek就由此得名，叫AI领域里的拼多多，砍一刀嘛。 但是呢，Deepseek就说了，价格我是挣钱的，我虽然挣得不多，但是我是有利润的。 但是其他的这些大厂呢，就是赔本赚吆喝的一个状态了。 那你说，中国是不是有很多的聪明人可以来做这件事情？ 很多人说呀，有大智慧的，也有的是小聪明的。

我们现在讲Deepseek这帮人，他们算大智慧吗？在我当时看他们去做量化交易的时候，我想这些人就是一帮小聪明。这个说个实话，就是如果当时他们在做量化的时候找我去要投资的话，我应该不会投他们。即使现在可能有一些这样的人找我的时候，我应该也不会投。

这种大智慧跟小聪明是跟性格有关系吗？其实我觉得有一定的关系，但是没有那么大。这个东西更多的是跟环境有关系。在大的这个环境要求你必须要为五斗米去思考的时候，这些人就会去变成小聪明。当他们衣食无忧的时候，就可以去追求自己的大智慧。而且中国人还很多，在这么大的基数下面，总会有一些大智慧的人获得合适的环境，或者说有一些聪明人，在获得了合适的环境下可以去展现他们的大智慧。这是我觉得中国在这块比较强的地方。

没有说中国人就只会从1到100，不会从0到1，没有什么原创性的创新。这个事我是从来不信的，只要做出有价值的贡献，别人根本就不会因为你是中国人就歧视你或者怎么样，没这事。在海外做出最大贡献的很多人，其实都是华人，很多也是从国内培养出去的人。

所以智慧本身是不要想高低贵贱的一个事了。中国人的聪明人比例是不是比较高呢？首先这个说法呢，政治不正确，种族之间是不应该有这个差异的。但是呢，中国因为文化传承跟生存压力的问题，会更加的重视教育。所以更多的中国孩子在很小的时候承受了非常非常严酷的，或者残酷的非人的教育压力，这个是没有办法的。

中国的文化传承是什么？自古以来叫“万般皆下品，唯有读书高”，或者是“士农工商”。一旦成为士了，你连税都不用交。咱们接受了几千年这样的文化教育，所以我们知道说任何人，只要是稍微家里有口吃的，一定要送孩子去上学，不能耽误他。

另外一方面，就是我们的生存压力非常非常大，动不动就是输在起跑线上。所以我们的孩子自小接受的这种教育，可能对于老外来说，他们就直接告你虐待了。最终产生聪明人的比例自然就高一些。

可能大家生下来没有那么大差异，但是呢，我们每一个人，甭管你能不能成才，甭管你有多聪明，我们都去用巨大的教育压力把它压一遍。可能很多国外的人也很聪明，但是呢，人就快乐教育，开开心心的吃喝玩乐，混了一辈子也就出来了。

但是中国可能稍微有点能念书能力的人，都被我们的教育体系给塑造成了一个可造之材吧。那么这几十年，这个生活环境、信息流动肯定还是发生了巨大改变的。可以做自己喜欢事情的中国聪明人，肯定会变得更多一些。

咱们甭管怎么说，这几十年的改革开放，我们能够获得的资金资源数据，从来没有像今天这样多过。这个事大家还是要去承认的，也不是每个人都活得那么苦大仇深。像Deepseek这帮人做量化的时候，我挣着钱了，那我就可以去追求一些自己喜欢的事情。

其实我是见过很多聪明的中国人的。原来我们去做盛大创新院的时候，是聚集了很多很多的聪明人在一起。那这个里头跟幻方又有一点相像，幻方是炒股票，自己手里有一堆钱，盛大创新院是做游戏，公司手里有一堆钱，说来我们去追求一下梦想吧，也是如此一个状态。

而且很多公司里边，还窝藏了一堆的扫地僧，就是他会解决很多的很细节的、很具体的问题。那你说这些问题，为什么大家老觉得这就是一个工程上的改进，不是一个从0到1的改进？原因很简单，因为这些人没有聚集在一起，没有让他们自由的去追求他们自己想干的事情，所以他们就只能成为扫地僧，而不能成为像Deepseek这样一鸣惊人的东西。

社区里边也有很多为爱好和梦想而努力的人。有些人呢，没有那么好的环境，但是也在努力，比如说那些独立游戏的开发者，那些开源软件的创作跟维护者。我们是见过很多的，说我喜欢这个事情，我就是愿意做这个事情，我真的是吃了上顿没下顿，这种人挺多的。

我曾经有一个以前公司投的项目，那是一个游戏公司的CEO，那也是一个很强的geek，自己的这个游戏做的不怎么样，每天在UDT社区里头揪着人家CTO扯淡。

讨论最新的物理引擎该怎么做。那个CTO还经常跟他之间相互的启发，相互的促进，做这样的一个事情。我呢，很尊重这种天才，但是这种人不是一个好CEO。那个案子原来不是我投的，虽然是我们项目里边的案子，但不是我投的，所以我也不会去投向Deepseek这样的公司。

当社会有一个基础保障的时候，这些人呢就会更大范围的存在，而且呢，有可能会创造出璀璨的成就出来。他是有一定的偶然性在里边。对于不同的环境呢，就应该有不同的应对方式。有些人说我想挣个快钱，有些人说我现在钱挣够了，我想追求点梦想，这个呢都无可厚非。

总有人问我说：“哎，我现在想投资，我有笔钱，我应该投什么好？”因为我原来做个投资人嘛，所以有人来问我这个问题，或者说：“哎，我有一个朋友，他们需要投资，让我来投，你看看这项目行不行。”也有人给我做这样的咨询。我给的答案一般都是一样的。

什么呢？第一个，你准备投多少钱？你对于回报的预期是什么？多长时间回报？挣回多少钱回来？这是你对回报的预期。再回报第三个是什么呢？你对于风险的承受能力是怎么样？这个钱如果就没了，或者是如果就亏进去了，你是不是愿意承担这件事情？绝大部分人回答了这三个问题以后呢，这个投资就黄掉了。他们压根就想不清楚，我到底对这个投资的预期是什么，或者说我到底能够承受什么样的风险，这个其实是很难回答的。

离钱近的人，或者说我要挣快钱的人做工程，找到清晰明确的路径，定好目标，直接冲上去，寻找可以融资或者让公司价值上升的人和团队。为什么很多人说：“我一定要谷歌挖个人回来，我要到百度挖个人回来，我要到自己挖个人回来。”因为这样的话，你相对来说比较好忽悠投资人嘛。投资人绝大部分是不懂的，一看到这个人的履历，这个好厉害，我要给钱，就变成这样。

然后把这些团队凑起来以后呢，拼执行力，实际上也就是内卷了。然后寻找漏洞，细节不断的完善，卷死其他所有人，这就是快速挣钱的这个团队要干的事情。还有些人说，我钱挣够了。

或者说钱一时半会不用太担心，我只需要追求梦想就可以了。这些人呢，心思就会更单纯一些。在小说里边，有一个名词叫做“剑心通明”。我这个心里头只有剑，没有任何其他东西，那他就可以去做一些不一样的事情。

当然，不同的人呢，有不同的追求，这个里头没有谁对谁错，也没有谁高谁低。我们也不要去笑话中国AI、六小龙这些企业。你说既要又要，没做任何创新，模型架构就直接抄人家的，别笑话人家。大家只要自己的逻辑自洽了，说我就是要去做一个公司，我要把公司做上去，我要对投资人负责，我要在这个过程中做出一些有趣的东西出来，就可以了。这个事并没有什么问题。

那么，深度求索的未来会怎么样？人怕出名，猪怕壮，因为呢，资本已经盯上他们了。大厂呢，会快速的抄袭迭代他们的架构和模型。不用等美国人开源，中国人开源了以后，其他中国人也会自主创新、自主研发的，挖人是必然的。小米刚刚千万年薪，挖的这个叫罗福莉的人，就是Deepseek V2的一个主要贡献者。至于小米千万年薪把它挖回来以后，是否能给小米带来什么，这个我们拭目以待，不一定。

然后，中国呢，有一个特别有趣的名字，叫什么叫“黄埔军校”。百度就是推荐算法、自动驾驶这块的黄埔军校。盛大呢，原来是盛产大量的游戏人才，而金山呢，是早期大量的软件人才都从这出来的。路径清晰，想要做同样的事情，最简单的方式是干嘛？去挖人，把这个做过的人挖回来，这事不就搞定了吗？

所以，深度求索的技术呢，一定会快速的随着原代码的开放以及人才的流动，普惠到中国各大AI厂商里边去。而深度求索自己呢，未必最后能够挣到钱，这个我要跟大家讲清楚。跟大家讲一个故事吧，就是李开复早年做这个创新工厂的故事。当年，李开复招聘了大量的，他们叫“娃娃兵”，也就是没有毕业的这些硕士，因为他当时在中关村附近那边嘛，所以有什么北航的呀、清华北大的呀，很多这样的硕士或者是本科生，就在那干活。其实，创新工厂实际上最开始的两拨人，一拨是李开复从谷歌里边带出来的人。

然后，另外一拨干活的人，就是这帮娃娃兵。后来等李开复开始有一定名声之后，他们的整个办公室就被各大互联网公司进去疯狂的洗，慢慢的就分崩离析了。当时我们就干过这个事，坐在那个创新工厂楼下的咖啡馆里，挨着个给上门打电话来，一个一个叫下来面试。而且是分几摊，同时上四五个面试官在咖啡馆的不同的角落里坐着。只要聊着还可以的人，3倍薪水你来不来吧？当时盛大干了一次，后边的各大厂都去干这个事情。因为呢，我们发现李开复把这帮娃娃兵训练得非常好，每一个人都是心中有火，眼中有光，而且呢，执行力还很强。当时挖了好多那种回来，效果非常好。

希望呢，这个深度求索可以在资金充裕的情况下，继续进行探索和尝试。也只能这样的希望，我没法期望说深度求索这公司未来成长成一家非常巨大的这种大厂，最后能够挣到很多的钱。这个事呢，我是不抱期望的。希望经历各种风风雨雨的过程之后，不要把心态搞崩，这个是最重要的。因为呢，很多的时候人员离职或者是项目失败，有很多这样的事情出来以后的话，创始人的心态会崩的。那么，是不是还会有很多深度求索这样的公司，隐藏在水面之下呢？会有的，而且会越来越多。

AIGC时代大公司的优势其实没有那么大，更多的个人和小团队可以调用更多的资源、数据以及算力，做出大家意想不到的事情出来。像我现在也可以自己坐在家里头，使用各种搜索引擎，使用各种的大模型去进行工作。我交的钱实际上也就是一个月20美金给了OpenAI了，豆包还是免费的。我现在可能真的是一个人，相当于一个团队在干活了，我也可以做出一些可能别人意想不到的事情出来。

有了基础的社会保障之后，从小接受残酷学习训练的中国人，做出各种奇奇怪怪东西的概率肯定要比其他地方的人大得多。这是我的一个结论。而且，中国人本来就多。最终呢，咱们要给这个故事下一个结论，就是会不会有深度求索这样的创新模式被不断的复刻？而我的结论是这样：深度求索的创新模式。

复是不能复刻和模仿的。因为你一旦要去刻意学习什么东西，你就是有目的的。而这种目的的话，跟刚才我们讲的深度求索的这种研发方式，它是相互矛盾的。目标很明确，就应该像AI六小龙他们干活，什么都沾一点点。但是呢，会有很多很多类似的团队，还是潜龙在渊。就是大厂你学这东西你是学不了的，但可能会有一些小团队，在不定在哪个角落里，哪个旮旯里头，在做一些大家意想不到的事情。突然哪一天就冒出来了。这个事情我觉得还是可以去期待的。好，这就是今天的第二个故事。

雷军千万年薪挖回来的AI萝莉，到底值不值呢？大家好，欢迎收听老范讲故事的YouTube频道。今天咱们来讲一讲，雷军花了千万年薪挖回来的天才少女，到底价值几何的故事。

首先，这个消息并不是小米官方放出来的，而是证券时报等一大堆媒体报道出来的。报道出了这样的一个故事之后，肯定就会被舆论热炒。第一个，AI现在肯定是全村最靓的仔，跟AI相关的事情更容易被媒体所报道。第二个，小米跟雷军本身就是顶流，任何事情只要沾着小米，沾着雷军了，都会被过度的炒作。

现在这位AI天才少女叫罗福莉，号称是雷军亲自下场捞的人。这个事情到底有多亲自呢？不好说。很多记者也去找小米核实，问有没有这么个事情，是不是有千万年薪，雷军到底是怎么谈的这个事情呢？目前为止，小米没有给出官方确认。但是，如果千万年薪是真的，那这个事雷军必须是要签字确认的。如果不签字的话，这样高的薪水是开不出来的。

这是一方面，另外一方面，Deepseek V3也是现在的顶流。新的模型出来以后，包括美国很多AIGC圈的老大，都给出了很高的评价。国内一定是说，哎呀，你看我们做出来的东西被别人夸奖好了，这个事情我们与有荣焉一下。这位天才少女从Deepseek这边出来的，也成为了整个事件炒作中的一个推手。1,000万年薪，加上小米最近在宣传的万卡集群，也算是这个事件能够不断在热搜上停留的催化剂。

而且前几天超级小爱演示的翻车，你也需要一些AI相关的新闻出来中和一下吧。所以这个事情被舆论热炒了。小米官方刚才我们讲了，并没有正式的回应这件事情，原因也很简单。第一个是薪资，在小米这样的公司里边，她应该是保密的。如果有谁把这个薪资泄露了，肯定还是要受到一定处罚的。第二个，这个人如果真的去了，炒的太热了是没法干活的。这个人就是千万年薪的AI萝莉，那剩下的这些没挣到1千万的人，你咋跟她一块配合干活嘛？中国人向来都不是喜欢。

把薪资贴在脑门上的，而且有些人说呀，说你能干啥呀？就雷军亲自去请你，我不服气，她会有这样的事情。所以这个人就算是真的去了小米了，为了未来能够干活，为了能够跟团队合作。所以小米估计在回应的时候，也会相对比较谨慎。

记得当年遇到过一个擦桌子故事。什么呢？就是我原来是清华同方的员工。有一次清华同方的一位，应该叫事业部经理吧，说：“哎，我为咱们事业部找了一个销售大牛回来，这个人可厉害了。”这位事业部经理在入职之前，就跑去把人桌子给擦了一遍。

清华同方呢，有一点跟其他地方不太一样。什么呢？就是这帮事业部经理在当时，97年98年的时候，都是清华大学里边的老师，很多是系里边的比较大的老师，一些教授，一些副教授，在当事业部经理。然后她下边的很多员工呢，是她的学生。所以这帮学生一看，哎，这个老师到底是怎么回事呢？招了一个什么神奇的人回来？来之前你还把人桌子擦了。我们跟着你坐了这么多年，也没看你给谁擦过桌子呀。

这个人进来，我们一定要好好称量称量她。这哥们入职了以后呢，大概没两个月就离职了。甭管她自己的能力怎么样，你进来了以后，所有人都要看看你说：“哎，这个老师给你擦过桌子，你到底是个什么样的人？”所以这样的人这么高调加入团队以后，相对来说是比较难以去开展工作的。

那么罗福莉到底是何许人也呢？从网上公开的信息来看，95后小镇做题家，她是四川宜宾市第一中学清北班毕业的。就在这样的学校里头，专门会有这种尖子班，她们叫清北班。然后呢，去了北师大计算机系上大学，算是第一次接触电脑，以前没接触过，所以呢，一开始成绩并不好。

大三呢，去了北大语言计算实验室实习，三个月自学Python，选择了NLP方向。NLP叫自然语言处理，就是向语言学的方向，或者计算语言学的方向转移了。开始呢，在别人的论文上署名了，就别人写的论文上头，已经开始有她名字了，这时候还没有大学毕业呢。然后保研到了北大，在北大的语言计算实验室里边。

继续深造。2019年，在ACL大会上发表了8篇文章，这个大会叫国际计算语言学年会，简称ACL。其中有两篇是第一作者，剩下的算第二作者。第一作者的文章中，第一个是《在文本和语音中检测隐藏信息》。意思是什么呢？就是说，如果我们的语音具备某些特征的时候，这个人可能在信息里边隐藏了一些东西。比如说在隐瞒信息的时候，讲话者的最大音高强度和语速增加，而讲话持续时间减少。这些特征与欺骗检测研究中的发现相似。如果你突然声音变大了，语言变短了，就有可能在骗人。

如果是语言特征，前面是语音特征，后边是语言特征的话，隐瞒信息的文本中，认知过程词汇，比如说“我认为怎么怎么样”、确定性词汇和正面情感词汇的使用频率更高。这表明隐藏信息可能增加认知负荷，同时伴随着更高的自信水平。这个有点像《Lie to Me》，谁说谎了是不是？这是一篇。

另外一篇是《将AMR解析视为序列到图的转换》。这个AMR的意思是抽象意义表示有向无环图。什么意思呢？就是我们说了一句话以后，在计算机要去处理之前，要把整个这句话变成一个有向无环图。什么叫有向无环图？就是她有方向，从前到后；而无环呢，就是她最后不是循环的，是这样的一个顺序的，由点和线连接出来的一个图，有这个正确的方向，但不能循环。她做的这个论文是在这种有向无环图上进行一些数学变化，变化了以后可以进行进一步的训练或者进行进一步的识别，而且在识别率上会有一些变化。这就是她作为第一作者的两篇论文。

研究生期间，总共发表了20多篇论文。看来这个北大还是很厉害的。2021年毕业后，加入了阿里达摩院。当时，她还写了一个公众号，告诉大家要选择有科研也有业务的公司。如果选择这种完全没有科研的公司，只做业务的，那么大概率只会去做一些边缘业务，这是没有办法在科研领域里继续深造的。所以，她当时在一堆的顶流offer里，挑中了阿里达摩院。

觉得这边还是可以做一些科研的。2022年呢，这就是在阿里达摩院里头待了一年，跳槽去了换方量化。据说呢，也是在这一年里头领证结婚，夫妻两个在杭州还买了房。幻方呢，在2023年分拆深度求索，也就是开始做Deepseek的这个公司。那么这位罗福莉呢，也就跟着去了深度求索。罗福莉在Deepseek Coder这个论文上作为第六作者，也是署名的。幻方以及深度求索，其实发的各种文章还是很多的。而且呢，她们会很大方的将所有贡献者都写在作者名单里头，或者叫贡献者名单里头。

比如说最近大火的Deepseek V3里边儿，大概是有200个贡献者。这200个贡献者呢，有150个是工程师，还有一些其他的支持人员，还包括10名已经离职的人员。罗福莉的名字呢，是在为Deepseek V3做贡献的已经离职人员这个里面还是有的。号称呢，她是参与了Deepseek V2版本的开发。当然了，这些都是大家的描述，具体在里边参与了什么，其实并没有表述。

2024年年底跳槽去了小米，这就是她整个的一个履历。那么下面我们就要去看千万年薪到底值不值的问题了。其实挖技术大牛回来，我们到底应该如何评价其价值呢？这个一直是很多的投资人，包括一些大老板需要去思考的问题。你挖回来以后是给钱呀，给期权呀，然后给她各种的资源呀，还是给她一个大的团队，一个很好的研发环境，你到底给她什么，这都是我们要先对人的价值进行评估的一个过程。

在挖人回来的时候，科研能力到底重不重要？如果这是一个科研院所，我们需要再去国家申请经费，再去做一些更新的科研研发的时候，那她的科研能力可能是重要的。但是对于小米这样的一个产品型的公司来说，这个挖回来的人科研能力到底有多大，其实没有那么重要。那么这种技术带头人呢，她们需要的能力是什么？第一是对前沿的理解和认知。你真挖一个人回来，说这个最前沿的东西是什么，我说不清楚，我看不懂，谁在搞这个事我不知道。

这个事是不允许的。而且这种认知呢，是真的可以去跟最前沿研究的人进行面对面的沟通和讨论的。我们也见过很多，比如说像猎头公司这些人，对这个最前沿的发展也是有一定认知的。但是呢，她一旦是跟前沿的这些人去沟通的时候，就会露馅。像罗福莉在这块应该还是可以的。

工程技术能力呢，这块要看你具体要她干什么。你比如说，有些人说：“我真的是需要有一个人回来替我解决一个很难的难题。”那么在这个时候呢，就需要有工程技术能力的人回来。她能够管理团队、能够面试团队，甚至能够挖角原来的团队，可以带出一个团队出来，这个是工程技术能力，还有人脉资源。

但是人脉资源呢，一方面是说你能不能忽悠起一帮人来跟你干活，另外一方面的话，就是你做出来的产品是不是可以让顶流的圈子快速去认可。因为任何人，只要做出这种高精尖的东西来，她的这种认可的速度或者认可的成本都是挺高的。认可的速度都不会那么快，但一旦是有一个自己人，大家都已经熟悉了，你就是这圈子的人，你也做出过相应的成绩来。那你说：“我继续在发表相应的论文或者发表相应的成果。”那么别人就会优先选择相信你，所以这也是人脉的一个很重要的点。

最后呢，就是她的IP价值，这个人是不是有一定的影响力。通过这几个方面来评估一个技术大牛的价值。从能够公开找到的信息呢，其实没有办法去评定罗福莉具体都做过些什么东西。这个事现在发出来的信息比较少，不是写了什么论文就会什么东西。刚才我们说了她写了哪些论文，我们认为说她就会这几样东西，这个事一定是非常片面的。她可能研究的涉猎非常广泛，而且最前沿的很多科学与技术其实是相通的。只是可能这几个点，它是适合出来写论文的，剩下的点呢，虽然不适合出来写论文，但你要在Deepseek这样的参与到里边去，你还是要去解决或者还是要去做事情的。所以呢，并不能认为说她就会这个自然语言的这点东西。

罗福莉呢，应该还是一个语言学方面的研究型人才。罗福莉的价值到底应该如何去评价呢？第一个，它的IP价值呢，现在还算是拉满了。为什么叫还算是拉满呢？因为有的时候，就叫“花花轿子人人坐，人人抬”。现在这样的一个消息出来了以后，她也借助了Deepseek的光环，以及小米和雷军的光环，有大量的媒体出来炒作，来捧这个事情了。

这个人在她的行业内，到底有什么样的名声，我们不去管她，但至少在公众视角里头，这已经算是一个很厉害的人了。当然了，以深度求索的这种招聘以及用人原则来说呢，像罗福莉这样的履历的人，其实在里面还是蛮多的，因为里面各种清华、北大、德大这些人其实是蛮多的。而且这些人呢，好多还没有毕业，就是可能在里边做博士实习，或者做很多这样的事情，她们就都已经开始在各个论文里边去署名了。

所以呢，并不是说以这个论文量，以她的师从，或者是北大的这个学历，她是个硕士嘛，还不是博士，她就已经是站到一个什么顶流上了，其实距离那个还是有一点点差距的。只是呢，现在通过炒作的方式，让她站得比较靠前。

在Deepseek里面呢，毕业了一两年的人呢，就可以在里边挑大梁干事了。真正负责的呢，可能是有个四五年经验的一些人。而以罗福莉的这个资历，进去的时候呢，有可能能够负责一个项目，但也未必，因为呢它属于是相对来说比较专项的科学家，并不是工程方面的这种专家。因为工程专家是写不出这么多论文来的。

在科研能力上，至少是语言学方面的，罗福莉应该还是有所建树的，写论文绝对好手。工程技术能力的话，没有验证。人脉资源的话，大家注意，工程技术方面的人脉资源跟学术圈的人脉资源是完全两回事。她有可能在学术圈有人认识了，知道这个名字，她可能参加各种会，很多的会议上的这些教授，这些大拿也都能跟她聊得来。但是呢，你说真正能够拉起一帮人来，把事干出来的，那是完全另外一拨人。

至于她能不能做工程技术方面的事情，有没有工程技术方面的人脉，这件事呢？

我只能说，没有验证过，不知道。那么小米到底想干什么呢？大概率呢，也没指望罗福莉真的能做出什么来。因为小米自己也是有AI实验室，而且成立了很长时间。这个AI实验室自己也是有完整的体系架构。你不可能说我招了一个新人，然后你现在就给你另起一摊，或者说我把原来的架给我打散了，现在你就是老大了。她肯定还是要在小米的AI实验室里边，在她相应的位置去进行工作和研究的。

Deepseek这样的模型应该也不是小米追求的，因为如果要部署和训练Deepseek这样的模型的话，罗福莉应该是可以给出一些指导的。你毕竟原来在一个屋里，把东西做出来的。通常的科研和工程是两条线，罗福莉未必能够有能力挖角组建面试带领工程团队。像我们以前也招过这种工程老大，那就是招完了以后就问她说：“你能不能带回团队来？”像以前你前面几家老板的这个团队，你能不能找得来？如果找不来的话，那给你机会去面试，你能不能去面试一堆能干活的人出来？

等你把这个团队组建起来以后，你能不能带着这个团队去把这个事干出来？这个是对于工程老大的这种要求，这不是对于科研老大的要求。

小米最近还在说：“我们就训练端侧模型小模型。”这都是雷军最近说的话。当然了，说什么并不重要，做什么呢其实也不重要。那什么重要呢？就是为什么这么说，这个才是最重要的。小米毕竟是个卖手机的，你不这么说怎么让用户下单去买那个更贵的、更高端的手机呢？所以她一定会去喊说：“我们不去关注这种大模型，我们要关注端测小模型。”

但是呢，我相信小米也还是会照着Deepseek的这个套路，自己在训练一套云端模型。当然这个训练的应该也算是一个技术储备吧。像小米这样的公司，更大概率会在国内的各个大模型厂商之间进行平衡。就是什么字节、百度、阿里，包括Minimax，她可能都会用那么点，包括Deepseek可能都会去用一点点，然后在不同的应用里边去调用不同的模型。这应该是小米的一个策略。

然后自己同时训练一个模型呢，算是有一个技术储备，可以跟这些大模型厂商进行平等对话的一个东西。在中国就是这样，如果别人发现你不懂的话，总是要在你身上咬一口的。所以小米在这块呢，应该还是会做。

另外，对于小米来说，超级小爱的翻车，这个热度也还是要压一下的。讲到这呢，你说我们的结论，这个1,000万的年薪到底值不值？这个事情我觉得，大家自己去做判断就好了。你让我现在来给大家下一结论，说这事太值了，反正我没看出来；说这事肯定不值，咱们了解的信息呢也不够充分，也就只能是这样的一个情况。

我只能说以这个罗福莉现在从外界可以披露的公开信息来看，这个1,000万的年薪呢，稍微有一点点存疑。但是我相信呢，小米这个事情，甭管是她有意做的，还是无意做的，她的目的已经实现了。她的目的是什么呢？她股价涨了。除了卖车之外，现在我们还做AI了，还有一个万卡集群了，还从现在当红炸子鸡Deepseek挖了人出来了，号称雷军亲自下手，给了千万年薪了。

小米现在已经接近1万亿港币的市值了，她现在的市值是9,097亿港币，可能到周一开盘的时候，就直接冲万亿就过去了。所以我觉得小米呢，这个事情肯定已经好处落袋了，这个市值已经收获了，收获的还是很高的一个市值。

至于未来罗福莉到底能够在小米里边做什么东西出来，或者她到底能够在小米里边混多久，或者说小米未来到底会如何对此事进行官方回应，我觉得还是可以拭目以待的。未来也许还有新的瓜可以去吃。

好，这一期就跟大家讲到这里，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。