Pinned Tweet
到目前为止，我给任何想真正用好 AI 的人最大的建议是：
1. 花一点钱订阅 Anthropic/OpenAI
2. 下载 Claude Code/Codex
3. 打开 Claude Code/Codex
4. 按 Shift + Tab，直到它显示 “plan mode on”（计划模式已开启）
5. 打开 手机上的语音备忘录。直接开始讲你想完成的所有事情。当你觉得讲完了，就继续讲。确保至少讲 10 分钟，最好更久
6. 把这段语音备忘录发送飞书妙记（每月300分钟免费），用它把这段语音转成文字。
7. 在 Claude Code / Codex里输入：
“我以前从来没有用过你，但我刚刚讲了一些事情。我会把这些内容粘贴在下面。请你阅读这些内容，并向我提出你需要了解的问题，帮助我弄清楚如何用你来变得非常厉害。请多问我问题，直到我告诉你我已经说完了。”
8. 然后把转录出来的文字粘贴进去
9. 按下回车。接下来就让 Claude/Codex 来接管。
如果这个方法有效，拜托给评论区记录一下你的想法。
另外，如果你觉得这听起来太疯狂了，那就直接把这整段话复制到你正在使用的任何 AI 工具里，然后对它说：
“有个奇怪的人让我把这段话粘贴给你。我想试试这个方法，但我不知道该怎么做。你建议我怎么开始？”
我只是想帮你迈出第一步。好奇心和坚持，是最重要的东西。
来源：@mstockton
71
355
1,551
145,515
整理了21条关于梁文锋在投资者交流会上的要点，分享给大家：
* **公司愿景**：DeepSeek 并非以利润最大化、上市或打造超级 App 为第一目标，而是以推动 AGI 为长期愿景；“善意、克制、开放”是其组织文化核心。
* **开源战略**：梁文锋认为，AI 市场足够大，任何公司都无法独占。DeepSeek 将继续开源，甚至最强模型也可能开源，且开源版本与自营服务使用的模型保持一致。
* **开源不等于放弃商业化**：真正的壁垒不是模型权重，而是部署效率、推理成本和工程优化。即使模型开源，第三方也很难做到与 DeepSeek 相同的服务成本。
* **API 定价逻辑**：不追求利润最大化，而是以服务器约 **10个月回本**作为“合理利润”标准；当前价格仍有下降空间，但继续降价已经难以明显刺激需求。
* **商业化定位**：C 端用户和 B 端 API 收入，被视为通往 AGI 过程中的“副产品”。DeepSeek 不急于做广告、电商、垂直应用或超级 App，也不准备吃掉整条产业链。
* **收入预期**：如果 API 需求和算力供给继续扩大，B 端 ARR 有机会达到数亿美元；若达到约 **10亿美元收入**，可能覆盖全部研发和运营成本。即便技术暂时停滞，仅靠 API 业务也可能支撑公司长期经营。
* **AGI 技术路线**：语言模型 → CoT → Agent → **持续学习** → AI 自我迭代 → 具身智能。其中，持续学习被认为是 Agent 之后最关键的技术瓶颈。
* **下一代模型重点**：真正意义上的下一代模型必须具备持续学习能力。在此之前，主要提升方向仍是效果、速度、推理成本和模型规模。
* **AI 帮助研发 AI**：DeepSeek 希望模型首先能服务自身研究团队，提高下一代模型的研发效率；AI 加速 AI 研究将使 AGI 发展呈现非线性，而非简单线性增长。
* **业务优先级**：现阶段最值得投入的应用方向仍是 **Coding Agent**；多模态是重要组件，V4及后续版本计划支持原生多模态，但视频生成、世界模型目前不被视为智能主线。
* **Scaling 尚未见顶**：梁文锋认为，中国模型距离 Scaling 上限还很远。国内没有继续扩大模型，主要不是技术判断，而是算力资源不足。
* **算力储备与采购**：文中称 DeepSeek 当前约有 **2万张H系列等效算力**，并计划激进扩充；如果能够以合理价格采购，愿意尽快把融资转化为英伟达GPU，甚至一年采购支出达到约 **200亿元人民币**。
* **中美差距**：人才不是核心差距，算力才是。算力不足不仅限制模型规模，也限制研究实验数量和人才培养。国内目前仍以几十B激活参数模型为主，而美国最大模型可能达到约800B激活参数。
* **国产芯片判断**：国产AI芯片的生态问题有望在一年左右明显改善，真正瓶颈将转向产能。文中称 DeepSeek 获得约 **1.6万张华为950**，等效约4,000张英伟达B系列卡，但尚不足以训练下一代大型模型。
* **摆脱CUDA依赖**：DeepSeek通过 TileLang 等高级语言降低对CUDA生态的依赖。梁文锋认为，这能显著提升开发效率，底层执行效率损失仅约1%—2%，为国产芯片适配提供机会。
* **中国AI的竞争优势**：中国公司未必在绝对算力上领先，但可能在 **低成本和产品体验**方面形成结构性优势；未来全球AI竞争的主要差异将集中在成本、推出时间和用户体验。
* **行业格局判断**：中国基础模型公司数量过多、资源过于分散，未来可能收敛至约3—4家。大模型行业难以长期维持暴利，最终更像充分竞争的基础设施市场。
* **海外竞争判断**：Anthropic 当前在 Coding Agent 上的领先可能只是阶段性的；OpenAI、Google和Anthropic仍会交替领先，中国公司则可能凭借成本优势成为全球AI格局中的重要一极。
* **组织方式**：DeepSeek 不设传统KPI，实行“自上而下做正事＋自下而上自由探索”的双轨机制；原则上，公司安排的任务不超过员工一半时间，剩余时间用于自主研究。
* **最大风险**：相比资金、算力和竞争，梁文锋认为最大的核心风险是 **团队稳定性**。近期融资的重要作用之一，是通过期权和经济回报稳定早期核心员工。
* **资本市场态度**：DeepSeek不是贝尔实验室，最终仍要依靠商业收入生存；只是会选择“赚什么钱、什么时候赚钱、赚多少钱”，而不是完全拒绝商业化。
1
115
我昨晚想到了一个世界杯的交易策略。
假设你认为阿根廷/法国这样的潜在夺冠队伍会出现爆冷的情况。那么可以去选择购买夺冠事件而且具体某一场赛事的事件。
具体来讲，如果我认为阿根廷未必踢得过佛得角，我不去选择押注“阿根廷 vs 佛得角”的“佛得角”赢，而是选择去买“2026 FIFA Winner”的“法国”。
解释一下，假设阿根廷没有爆冷，那么我们的成本是约2%的平台手续费；假设阿根廷爆冷，输掉了比赛，那么我们的收益将来自于“2026 FIFA Winner"的”法国“。
目前根据Polymarket的概率，我们简单算术平均测算一下，看看预期上涨的概率有多少。但其实，还会因为A\B组的赛事安排等因素影响，我们只做简单测算。
阿根廷夺冠概率为19.4%，如果阿根廷出局，此概率均匀分给其他的国家队。而法国会分到28.1% / 100% * 19.4% = 5.5%。对应收益是（28.1% + 5.5%) / 28.1% - 1 =19.6%
那么假设阿根廷爆冷出局，我们约获得收益19.6%。
假设阿根廷赢下比赛，我们的成本约是2%。（若挂单成交买卖，则为零）
1
95
AI掏钱赌球，赚到了分你。
讲个反常识的事：这次是 AI 自己掏钱赌球，赚到了分你。
8 个大模型——Claude、GPT、Gemini、Grok、DeepSeek、Qwen、GLM、小米 Mimo，每个拿 500 美金的真本金，在 Polymarket 上一场一场押世界杯的胜平负。
亏是它们亏，赚了……世界杯结束后全部分给社区。
你不用出本金，不用懂赔率，甚至不用会看球。
干嘛？去 Discord，每场比赛投个票猜个结果，猜中攒积分。积分排名越高，最后分到的越多。
就这么简单。AI 在前面真金白银地拼，你在后面动动手指攒分。
@SpoonOS_ai 这套玩法我盘了半天，确实是少见的"风险它扛、收益你也有份"。
投票入口在这：discord.gg/4Dudj9FxX
想先看看这 8 个模型现在赚到什么程度，实盘榜单在这：arena.spoonai.io/leaderboard
反正不花钱，先进去站个队再说。
117
世界杯快到了，最近想用 Codex 手搓一个世界杯相关的小东西，可能是赛事数据看板、AI 预测赛事、实时赔率 & 舆情监控也可能是 Polymarket bot 之类的。
感觉世界杯 + AI + 预测市场还挺有意思的，可以边看球边做点实验。
有类似需求，或者也有同样想法的朋友，欢迎交流哇～👀⚽️
91
值得反复阅读，尊重每一个创新🫡
非常感谢 @0xJianAn 抽时间写这篇反馈。确实有几个很好的点，也让我意识到了很多沟通没到位的地方。我们会继续努力。同时我也想纠正一些不准确的地方，并跟你解释下我们试图攻克的问题、在机制设计上的权衡取舍，以及驱动42的远期愿景。
42协议的构思历经了一个漫长的演进。在不断的推敲中，我们始终选择回归到“事件”这一核心，并以此为原点推翻了很多固有的思维模式。
“事件”是个很抽象的东西，赚钱还是必须落脚在具体的标的上，到底是比特币，还是王者荣耀赛季，还是曼谷下午三点的降雨量？每个市场里的标的，都是对客观事件建立的一个“模型”。同一个事件，不同的建模方式会造成交易方式的不同。就比如说，“下一任美国总统”这个事件，在预测市场的模型里，是最终结果的二元期权。在meme的模型里，就是跟着新闻对$DREMP, $BODEN拉盘砸盘。就像柏拉图洞窟里的影子，同一个物体，不同角度投在墙上的形状截然不同。而42，就是和前面两个模型角度都不同的第三种。
大家习惯的预测市场就是把一美元拆分成等量的YES和NO，然后分别定价。结算的时候有可能获得最初的那一美元，而你的任务，就是以尽可能低的价格去买你认为更有可能获胜的那方。
那么，谁来以低价卖给你呢？
学界一直把预测市场定义为“从有内幕消息的人手里用补贴换取信息”。在Polymarket爆火之前，这个补贴来源于大学，研究机构等等。而在今天的预测市场上，补贴来自于平台方。平台方需要给专业做市商补贴来挂单。可为什么专业做市商需要补贴呢？因为事件不同于标准化市场（股票，大宗商品等等）风险太大啦！
这里的风险是因为做市商需要对事件本身可以建成熟的统计模型，可以快速根据新信息调整。可很多事件都是从未发生过的，没有历史数据，没有对冲途径。更可怕的是，内幕消息一个单子就能把订单簿打爆，比如“美国会不会入侵委内瑞拉”。而平台的补贴则来自于不断的的融资。这导致预测市场的流动性集中在体育，美国政治，BTC 5分钟价格这种专业做市商能支持的。
如果这就是事件金融化的局限，那还挺可惜的。世界这么大，这么有趣。
可能我入行比较早，受早年permissionless理念的熏陶，我认为真正有意义的事件，就是跟你生活息息相关的事件。你的柴米油盐，你爱玩的游戏，你对周边局势的焦虑。我们想做个能照顾到*你*的协议，能让你随时找到有意思的话题，那么依靠外部做市商是绝对不可能的。
在订单簿的环境里，用积分/空投预期来刺激用户则是常见手段。当时Blur刚刚推出这个机制时非常亮眼，后来被大家玩儿坏了，都是群演和债主。我不想这么做，觉得好无聊啊。
回到你对42的问题上，为什么用bonding curve？
因为这世上绝大多数事件都没有充沛的数据。要给事件建立概率分布，那反而引入了更多assumption。Bonding curve 成为 meme 的标配，用户每天就这么交易，是有必然原因的。很多年来，crypto的融资能力和传统行业要差很多，所以在获取流动性这个事情上做了很多颠覆性的创新。从早年的ICO，到后面集大成者的pump，都是流动性获取的不断进化。Bonding curve的闪光点在于，把无法定价的资产变成了公开，透明的公式。谁都能通过供需关系清楚地看到价格的变化轨迹。如此，你纠结的不再是“外星人最先入侵开曼群岛的概率是2%还是2.1%“，而是”其他人怎么看？“
其次，关于“押对了可能亏”：因为押错了也得让你有机会赚啊！
聪明的你应该看懂了，预测市场和事件的关联是靠提前拿出来的那一美元强绑定，而meme和事件的关联则完全是人为的。
那是不是有更合适这千变万化的世界的中间态？
42把Meme特别擅长最开头的定价和预测市场最擅长的结算融合在一起，也就是说，事件在结算前，这是meme，在快要结算时，逐渐变成预测。用精确的金融术语来讲，42的事件币是一种期货（futures）。
而你吐槽的卖出税随着时间升高，这是因为要把纯meme的属性逐渐收敛到有边界的区间。随着时间上升，正是因为你的信息会随着时间增长，而你手上的期权价值(option value）亦会下降。这也是为什么交易期货/期权，有时候成本会高于最后的收益，反之，有时候方向错了你也可以高价逃脱。这里的关键在于，事件本身的波动性。这里再说深点marketing的同事要来找我麻烦了，他们经常叮嘱我不要太technical 😅但如果你感兴趣，我可以写点背后的金融数学分享下。
说直白一点，在传统发射器上，先后顺序决定一切，冲土狗的就是在跟庄给比手速。浇给完了游戏就结束了。
在42上，先后顺序仍然重要，但存在两层博弈。狗庄可以照常浇给，但浇给完之后，散户不一定就赔了。42把未来事件的结果代币化。每个事件结束后，赢的结果会把其他所有outcome token的市值全部吃掉。所以没有卖出的可以等到事件结束，搏一个泼天的return。
这样进化的好处是，狗庄仍然可以玩熟悉的游戏，散户不用再纯拼手速了，甚至不一定会着急退出。一个事件结束前可以多次上上下下。先退出的和等到最后谁赚最多，结束之前没有定论。
然后就是预言机。必须阐明的是，预测市场并不是真相机器，而是准司法裁决系统。任何市场的最终结算，本质上都离不开对事实与条款的解释与适用。对于价格、气温、比分等等，结果相对可观测可核验，所以解释空间有限。大量现实世界命题难点并不在技术，而在resolution的措辞。本质是个合同设计问题，核心是尽可能减少“解释弹性”。例如在“美国是否入侵委内瑞拉？”里必须对“入侵”给出非常严格的定义。
在现实司法体系中，正是围绕这些术语边界与定义细节，才会出现高成本的法律与程序博弈。凡是跟事件沾边，就无法摆脱同样的约束。由于事件高度非标准化，条款歧义不可能被一次性根除，只会在不同题材与不同市场中以新的形式反复出现。
将oracle问题简单框定为中心化 vs 去中心化或委员会 vs LLM是很幼稚的。结算的本质是怎么设计裁决机制/准司法体系。而且dispute并非发生在结算那一刻，而是从市场开放的那一瞬间，就已经悄然开始了。
关于42的结算流程，有 Resolving / Result Verification / Resolved。这是在夸奖我们严谨啊！这块是我们法务的同事，之前在哈佛法学院教授合同法，呕心沥血设计出来的，就是尽可能避免Polymarket上结算多次发生的乌龙，或者有家用LLM结算的被prompt injection攻击，直接结算到了错的结果，导致倒贴赔钱。
这是一个非常复杂的问题，我们也在逐步迭代，如果你有什么更好的思路，也欢迎分享你的建议～
你也说了，“42自己都说不是预测市场”。没错呀！我反反复复强调的就是这不是预测市场。42的核心，还是回归到“事件”上。现实生活中的事件，不是黑白的0或1，不是纯情绪驱动的机器人游戏。真实的世界有情绪，也有结果，是概率波由于观测者坍塌到本征态 😆
如果每一个题材都需要超过一百万美元的运营资本，都要PUA用户刷分，那么事件就只能停留在少数热门议题上。所谓媒体的未来，也会退化成另一种体育投注盘口。真正的核心机制，必须与流动性规模解耦：一个 100 美元的市场，也应该像一个 1 亿美元的市场一样有趣、好玩、令人愿意参与。没有协议层面的创新，我们永远都只能原地打转。
51
一姐转发了一个 AI 视频，并称作者为“吴米导演”。
这句话其实挺有时代感的。
因为 AI 出现之后，“导演”不再只是片场里的那个职位了。
吴米 19 号开始构思，20 号开始制作。 为了赶上 Binance Pizza Day，他爆肝 40 小时，做出了一支 Binance Pizza 概念视频。
没有大团队。 没有高预算。 没有传统广告片流程。
但它被看见了，被传播了，也被一姐转发了。
这就是 AI 创作最残酷也最迷人的地方：
门槛被打掉了。 借口也变少了。
以前你说“我有一个很好的创意”，但你没有预算、没有团队、没有摄影、没有后期。
现在 AI 会反问你：
那你为什么不先做出来？
更有意思的是，这不是孤例。
前段时间，一个中专生用 AI 做出爆款短片，被海外影视圈看到，被大咖转发，全网都在讨论：
为什么一个非科班、没有大制作团队的人，也能做出接近工业化质感的作品？
中专生的 AI 短片也好，吴米的 Binance Pizza 也好，它们真正证明的不是“AI 可以替代导演”，而是：
AI 正在让更多原本没有入场券的人，第一次拥有了入场的可能。
当然，工具变强之后，真正的差距也会变得更明显。
因为 AI 可以生成画面，但它不能替你拥有审美。 AI 可以补足制作能力，但它不能替你判断什么值得表达。 AI 可以提高效率，但它不能替你爆肝 40 小时把一个想法做完。
所以 AI 时代，每个人都可以是导演。 但不是每个人都会成为好导演。
真正拉开差距的，还是这些东西：
你有没有画面感， 有没有叙事能力， 有没有审美， 有没有把一个疯狂想法做出来的狠劲。
这次是吴米的 Binance Pizza。 上次是中专生的末日短片。 下一次，可能就是任何一个品牌、任何一个 IP、任何一个普通人的故事。
所以我越来越觉得，AI 时代最重要的不是问：
“AI 会不会替代我？”
而是问：
“我能不能找到一个属于自己的 AI 赛道？”
有人用 AI 做电影。 有人用 AI 做设计。 有人用 AI 做交易。 有人用 AI 做营销。 有人用 AI 做游戏、做教育、做研究、做个人 IP。
AI 给每个人的机会不是一样的。
但它确实给了很多普通人一次重新入场的机会。
你不一定要成为下一个导演。 但你一定要找到那个 AI 能放大你的地方。
因为未来真正有机会跑出来的人，可能不是最懂 AI 的人。
而是最早找到：
自己的能力 × AI 杠杆 × 具体赛道
的人。
1
13
1,306
马斯克的星际飞船 S39 将于北京时间 5 月 22 日 06:30 进行飞行测试。
After one brief delay, this will be the first flight test of Starship V3.
@elonmusk, what would you consider the biggest success metric for this flight test?
Good luck to the SpaceX team 🚀
2
1
168