图一：我的个人公众号，会持续更新AI相关洞察长文
图二：AI学习交流群，感兴趣的朋友可以进来玩
图三：我的数字分身，群聊失效添加图三申请进群

一个AI写作工具，是怎么在两年内从零做到年收入1000万美元的？

而且，这1000万美元的大部分增长来自TikTok和Instagram上那些制作成本不到100美元的短视频。

但David Park确实做到了，作为Jenni AI的创始人，他很早就发现，这个时代，会讲故事比会打广告更值钱。

他的公司现在有500万用户，年收入过千万美元。
关键是，盈利。

David对增长的理解很简单：今天的用户要比昨天多，明天的用户要比今天多。
听起来像废话，但能做到的人不多。

他把增长拆成了三个支柱：分发、转化、留存。
也就是：让用户知道你、让用户付钱给你、让用户一直用你。

这三个支柱里，只要征服一个，就能做成一门不错的生意。

而David选择死磕分发。更准确地说，是死磕短视频。

原因很简单，在2023年之后的互联网，用户的注意力在哪里，增长的机会就在哪里。
而短视频平台的算法机制，给了小公司一个千载难逢的机会：只要内容够好，48个粉丝的账号也能获得比5.5万粉丝账号更多的曝光。

大多数创始人做网红营销的方式是这样的：找几个粉丝多的博主，然后砸钱。

但David的做法完全相反。
他会直接问用户要Instagram账号，看他们关注了谁，看他们在刷什么内容，看他们为什么会看这些内容。

找到几个目标用户喜欢的网红之后，David会用平台自己的算法继续挖掘。点开这些网红的主页，Instagram会告诉你类似的账号，TikTok会告诉你相关的标签。
顺着这条线索，他能快速找到一大批潜在的合作对象。

他会专门创建一个新的Instagram账号，只关注这些潜在合作的网红，算法会持续给他推送同类型的账号。
这个方法的精妙之处在于，通过算法推荐来的网红，本身就说明他们的内容还在被平台分发。

普通人选网红看的是平均表现，但David选网红看爆款潜力。
他不在乎一个网红是否每条视频都能稳定拿到1万播放，他更在乎这个网红有没有出过百万、千万播放的爆款。因为短视频的本质是博概率，一条爆款视频带来的价值，能顶得上100条平庸视频。

找到合适的网红之后，下一步是谈判。
David的策略是：早期网红，低价拿下，长期合作。
那些还没有经纪人、还没有标准报价的小网红，往往是性价比最高的选择。50到100美元，就能换来一次曝光机会。

找到了网红，接下来要解决的问题是：拍什么内容？
David的方法论是，先从目标用户已经在看的内容里找灵感。
那些网红在发什么？哪些内容火了？为什么火？能不能把自己的产品自然地植入进去？

比如，他发现很多学生用户喜欢看学习方法类的内容，于是Jenni AI就自然地成为了提高学习效率的工具。这种植入不生硬，观众看着舒服，转化率也高。

他还会去看竞品在做什么广告，分析哪些广告效果好。类似Reddit的社区里，用户会讨论哪些工具好用，这些都是免费的市场调研素材。

找对了网红，定好了内容方向，接下来就是执行。
David的策略是：小步快跑，快速迭代。

他会同时找5到10个网红，让他们做不同风格的内容。每条视频发出去之后，他会密切关注数据：播放量、点赞率、评论数、分享数。

如果一条视频的前1000次播放的完播率很高，那这条视频大概率会被算法推给更多人。
如果前三秒的留存率很低，那这条视频基本就凉了。

David还有一招是多账号战略。
Jenni AI最多的时候有5个不同的账号，每个账号在TikTok、Instagram、YouTube三个平台同步发布。
算下来，每天要发15条视频。

这些账号有的只有几十个粉丝，有的有几万粉丝。
但神奇的是，粉丝少的账号有时候比粉丝多的账号表现还要好。

同样一条关于AI写作工具的视频，可能在A账号上推给了工科学生，在B账号上推给了文科学生，在C账号上推给了职场人士。
不同的人群，不同的反馈，不同的传播路径。

多账号策略的本质，是用概率学对抗算法的不确定性。你没法预测哪条视频会火，但你可以通过多账号发布，增加命中的概率。

一条视频火了之后，David会立刻做这么几件事，榨干它的价值：
第一，马上创作后续内容，趁着热度还在，推出第二集、第三集，把一次性的流量变成持续的关注。
因为观众喜欢连续性的内容，系列内容更容易培养粘性。

第二，找那些专门搬运热门视频的大号，给他们50到100美元，让他们转发你的视频，相当于花小钱买了一次大规模曝光。
虽然这些账号的评论区通常很毒舌，但流量是实打实的。

第三，不要怕被抄袭，模仿恰恰说明你的内容有价值。
越多人模仿，你的内容就越像一个meme，传播得越广。

第四，转化为广告素材。
把表现好的有机内容直接用于付费投放，转化率通常比专门拍的广告素材要高得多，因为它已经被市场验证过了。

你前几次合作肯定会亏钱，但慢慢地，你的技能会复利增长，你会积累越来越多的数据和经验。
你只需要一个超级爆款，就能弥补之前所有的亏损。而那些失败的经验，会成为你找到下一个爆款的线索。

特别推荐，圆桌派对谈陈其钢，可以封神的一期。
两个小时没有一句废话。

很多人可能刷到过这个片段。

窦文涛问陈其钢，艺术的好坏标准是什么。
比如想学音乐的年轻人，谁都想成为最牛的，但最牛的标准到底是什么？要做出什么样的作品才算牛呢？
陈其钢回答：我的标准。

窦文涛不死心，追问那有千万个我啊？
陈其钢重复，就是我的标准。

窦文涛再问，那最后怎么能承认你是最牛的呢？
陈其钢说，我不需要你承认。只有有这种胆量的人，才能最终获得他自己应有的生命力。如果是你的标准来做我的事儿，那我没有灵魂的。

艺术和人格紧紧相连，一个人可以有想法，但如果不通过自己的行为去实现，那就只是空想。
而思想的实现，必然和你的人生观挂钩。
如果连人生观都没有，连自己的追求都没有，你的艺术肯定是苍白无力的。

任何一个艺术品，当创作者有私心杂念或者邪念的时候，是根本躲不过去的。观众能感觉到，时间也会给出答案。

我想起之前许知远采访李诞时的一段对话。

许知远质疑李诞的脱口秀太迎合观众，李诞反驳说，我就是要让更多人开心。
两个人没争出结果，因为他们的标准根本不在一个维度上。许知远的标准是知识分子的理想主义，李诞的标准是娱乐产业的市场逻辑。

但陈其钢连争辩都不屑，我就是我的标准，你认不认同是你的事。
这种态度在今天看来，几乎是反时代的。

谈到关于AI能不能创作艺术，陈其钢的态度很明确：不可能。

窦文涛问，那AI收集足够多的数据，把人类一切音乐素材都学习了，会不会创作出好作品？
陈其钢说不可能，因为伟大的艺术作品是人类灵魂的体现，而人类灵魂不可能被采集。

AI能做的是收集信息，重组信息，然后呈现重组的信息，可能很有趣，但AI写不出托尔斯泰，写不出罗密欧与朱丽叶，写不出悲惨世界和红楼梦。

艺术的核心不在于技巧，而在于创作者的生命体验和情感投射。

但如果每个艺术家都说我的标准就是我的标准，那到底谁是对的？
陈其钢的回答是，让时间来评判。

鲁豫问，我们当代人会有一个问题，要不要把艺术家和他的作品区分开来看。

陈其钢说，我们当代人的问题是什么呢，我们无法知道他的作品是不是终极伟大，是不是真的有生命力。所以我们可能碰到了怎么评论一个人的问题，但这个东西，和伟大的艺术家根本不是一个层次，还没有进入这个层次。

他举了王尔德的例子，伟大的戏剧家、文学家，不得了的一个大才子，因为同性恋的身份在当时受尽屈辱，最后逃到法国。
但100年之后证明他的行为没什么错。

这段话有两层意思。
第一，当代人的评价往往不准确，因为我们受制于时代的局限。
第二，真正伟大的艺术家，一定会超越当代人的理解。就像庄子说的，夏虫不可以语于冰者，笃于时也。

所以陈其钢从来没有偶像，在他心目中不存在偶像这一说，好就是好，不好就是不好，不可能有一个人是完人。
即便是贝多芬也一样，他也有歌功颂德的作品，一点儿都留不下来的作品。这个人格很矛盾，因为他崇拜贵族，想跟贵族小姐结婚，这种附庸风雅和他所说的东西是矛盾的。

但陈其钢补充说，有那些伟大作品的人，他本身一定是一个伟大的艺术品。他可以有瑕疵，但他必须是一个伟大的艺术品。

陈其钢说，艺术可以把生命带向极致，这是任何其他的东西都不可能的。只有艺术这种形式，他超脱了某一个人，某一群人的榜样的力量。
因为艺术是完全凭空而生的，是人类的一种特别神的一种想象，这种想象是可以让人们变得伟大，变得勇敢。

窦文涛问陈其钢，您指的这个能被艺术改变的人是一小部分人，还是大众呢？
陈其钢说，阳春白雪的艺术可以让更多人受益，但高山流水的艺术肯定是曲高和寡的。但它却起到引领作用，就比如说，奔驰车不是所有人都能开的，但它却引领着大众，说那个是好东西。

即便你是一个乌合之众之一，你也要去看电影去看戏，你也要读一读书，读读小说，大家都有这种需求。
这些东西其实无形中对每一个人都是有影响的，而且影响得很深。我们从小所受到的文艺作品的影响，无论什么形式文艺作品，我们今天变成这个样子，和文艺作品有多么深的关系啊。

所以他对那些看了艺术作品，然后又说你们这帮戏子的人，觉得很悲伤。

所谓的自由，不过是那句我的标准，就是我的标准。
毛姆说过，假如一个人得到了整个世界却丢失了自己的灵魂，那他是没有什么意义的。

关于微软和OpenAI，这一定是近期必看的访谈。

昨天，微软CEO萨提亚·纳德拉和OpenAI的山姆·奥特曼一起聊了聊他们这段堪称硅谷传奇的合作关系。

这场对话信息量巨大，从投资回报到算力军备竞赛，从商业模式变革到AI的未来想象，几乎涵盖了当下科技圈最热门的所有话题。

先说说这笔投资。
微软从2019年开始陆续投资OpenAI，到现在总共砸了134亿美元。作为回报，微软拿到了OpenAI大约27%的股权。
按照OpenAI最新的估值，这部分股权价值1300亿美元。

五年时间，100倍回报，从10亿到1300亿，这可能是硅谷史上最成功的一笔投资。

但有意思的不是数字本身，而是当初微软投第一个亿的时候，也压根没想着这会是个百倍回报的项目。
正如纳德拉在访谈中说：这更像是一次对未知的押注。那时候谁也不知道深度学习这条路到底能走多远，谁也说不准GPT会不会真的能改变世界。

2019年的OpenAI是什么样子？
一个研究强化学习的非营利组织，在Azure上跑些Dota 2的AI对战实验。
没人知道GPT会长成今天这个样子，连奥特曼自己都说，我们对技术路线完全没底，只是笃信一件事，深度学习这条路走对了。

当然，微软本身也从1995年开始就痴迷于自然语言处理，毕竟作为一家软件公司，让机器理解人类语言是终极梦想。
所以当奥特曼在2019年开始谈论Transformer和Scaling Law的时候，纳德拉立刻意识到，这个方向跟微软的战略完美契合。

但真正让这个故事变得疯狂的，是算力。
上周OpenAI宣布，未来四到五年要花1.4万亿美元建算力，其中2500亿给Azure，5000亿给英伟达，3000亿给AMD和甲骨文。

一家年收入130亿美元的公司，凭什么敢许下万亿级别的承诺？
奥特曼的回应是，如果你想卖OpenAI的股票，我现在就能帮你找到买家，包括我自己。

这话听起来狂妄，但OpenAI现在最大的瓶颈不是没人要，而是算力不够。奥特曼毫不掩饰地说，如果我们的算力能翻10倍，收入可能不会翻10倍，但绝对不会差太远。

纳德拉也证实了这一点，微软云业务上个季度增长39%，但如果有足够的算力，这个数字能冲到41%甚至42%。

换句话说，现在不是需求不够，而是供给跟不上。
在AI时代，算力就是石油，甚至比石油还重要。因为石油至少还能储存，算力不用就浪费了，你得让GPU 24小时转起来才能回本。

所以你会看到，微软、谷歌、亚马逊这些云巨头都在疯狂建数据中心。
但建数据中心还不够，你还得有电。纳德拉吐槽说，现在最大的问题不是买不到芯片，而是没有足够的电力和冷却设施，一堆GPU放在仓库里插不上电。

算力军备竞赛的背后，是整个软件行业商业模式的巨变。
纳德拉谈到了一个很犀利的观点，传统SaaS应用本质上就是一个CRUD数据库加上一层业务逻辑。但在AI时代，这层业务逻辑会被智能体替代，整个应用架构都得重构。

以前你用Office办公，要打开Word写文档，打开Excel做表格，发邮件给同事。每个步骤都需要你手动操作，软件只是个工具。

但未来，你只需要跟AI说一句话，帮我写个销售报告，然后发给团队，AI会自动完成所有步骤，调用各种应用，生成报告，发送邮件。
在这个流程里，传统软件的界面和逻辑都不重要了，重要的是背后的AI能不能理解你的意图，能不能高效完成任务。

这对软件公司意味着护城河变了，以前软件公司的护城河是用户习惯和数据沉淀，但在AI时代，护城河变成了谁能更好地理解用户意图，谁能更高效地调用算力。
纳德拉举了个例子，微软365的ARPU（单用户收入）很低，但使用频率极高。大家每天都在用Outlook、Teams、SharePoint，产生海量数据。
这些数据现在成了金矿，因为AI需要这些上下文来理解你的需求。

更直白点说，AI时代的软件公司，比拼的不再是界面做得多漂亮，而是谁掌握的数据更多，谁训练的模型更聪明，谁能把算力用得更高效。

这也解释了为什么微软愿意在OpenAI身上砸这么多钱。
因为OpenAI不只是一家做模型的公司，它掌握着整个生态链的关键环节，从算法到算力，从API到应用。微软通过这个合作，一口气打通了整个AI产业链。

聊到最后，话题转向了未来。
奥特曼说，他最期待的是AI能做科学发现，2026年可能会看到一些小的突破，但哪怕是很小的发现，也意味着AI开始扩展人类知识的边界了。

纳德拉的角度会更实际一些，他关注的是AI如何改变工作方式。
他说，微软内部已经在大规模使用AI工具，比如负责全球光纤网络运维的团队，用AI自动化了跟400多家运营商的对接流程。
以前这需要庞大的人力，现在几个人加一堆AI智能体就搞定了。

纳德拉说，美国正在经历一场再工业化的浪潮。
这不只是几家公司的事，背后涉及数据中心建设、电力供应、芯片制造、光纤网络，整个产业链的升级。
这些投资加起来，规模是曼哈顿计划的10倍。

曼哈顿计划是二战时期美国研发原子弹的那个超级工程，动员了全国最顶尖的科学家和资源。而现在，AI基础设施的建设规模是那个的10倍。
微软在威斯康星州建的数据中心，带动了整个地方的供应链发展。台积电在亚利桑那建厂，美光在投资存储芯片，英特尔在扩建晶圆厂。

微软和OpenAI的合作，本质上也是在为这个未来下注。

真心招募剪辑合伙人🥹有合适的朋友也可以帮忙推推 感激不尽！目前全网10w➕粉丝，AI泛科技领域博主，需要一位长期合作有网感的剪辑师朋友

想招募一名可以长期合作的剪辑师，有意向的朋友可以填写一下下面的问卷🥹

码住！AI信息源👇🏻

如果现在让你重新投胎，你会愿意吗？

这是巴菲特之前在股东大会里讲过一个有趣的思想实验：假设你出生前24小时，精灵让你设计这个世界的规则，你会怎么设计？

陷阱是，你不知道自己会是黑人还是白人，富人还是穷人，男性还是女性，健康还是体弱，聪明还是愚笨。
你要从装着58亿个球的桶里抽一个，决定你的人生起点。

巴菲特把这个思想实验叫做"卵巢抽奖"。

在这种情况下，你会设计一个怎样的世界？
大概率是希望这个世界能生产足够多的商品和服务，让大多数人过上好生活。同时有完善机制，不让运气不好的人被抛弃。

这其实就是现代福利国家的雏形。
既要保证效率，让有能力的人能发挥作用创造财富，又要保证公平，让运气不好的人也能有基本的保障。

巴菲特支持提高富人税，支持慈善事业，支持各种社会保障制度，背后的逻辑都是一样的：既然财富很大程度上来自运气，那就应该让运气好的人多承担一些社会责任。

这种观点在美国的政治光谱中偏向自由派，但巴菲特从来不觉得这是什么意识形态问题，而是简单的逻辑推演。
如果你承认运气的重要性，那么财富再分配就是理所当然的事情。

换句话说，你出生在哪里，父母是谁，智商高低，身体健康与否，这些决定你人生走向的关键因素，完全不是你能控制的。
就像从装着58亿个球的桶里随机抽取一个，纯粹看运气。

巴菲特自己就是这场抽奖的超级幸运儿。1930年出生在美国内布拉斯加州，父亲是股票经纪人兼国会议员，从小就接触资本市场。
更关键的是，他赶上了美国经济腾飞的黄金时代。

比尔·盖茨曾经调侃过他这位老朋友，如果巴菲特出生在几百万年前的原始社会，第一天就会成为野兽的盘中餐，因为既跑不快也不会爬树。
也就是说，个人能力只有在合适的时代和环境中才能发挥价值。

让我们算笔账，巴菲特从1965年开始掌管伯克希尔哈撒韦，到2023年，公司股价涨了约4000倍。
听起来非常牛。

但如果把时间拉长到整个20世纪，美股大盘指数涨了约500倍。
也就是说，巴菲特确实厉害，但他的成功很大程度上也是搭上了美国经济崛起的快车。

想象一下，如果巴菲特生活在其他时代或地方会怎样？
如果他生在1830年的美国，那时还是农业社会，股票市场刚刚起步，再会选股也没用；如果他生在1980年的日本，赶上房地产泡沫破裂，再神的投资也得套牢30年。

每一个成功的背后，都有看不见的时代红利在加持。

巴菲特很清楚这一点，所以他经常说，自己擅长的是资本配置，这项技能在市场经济体系中价值连城。
但如果被困在荒岛上，最有价值的是会种稻米的人，而不是会分配资本的投资大师。

认识到自己的幸运，可能是巴菲特身上最难得的品质。大多数成功人士都喜欢把功劳归功于自己的努力和天赋，很少有人愿意承认运气的作用。
毕竟，承认运气就等于承认自己的成功有很大的偶然性，这对自尊心是个不小的打击。

但巴菲特不仅承认运气的重要性，还把它当作人生哲学的基石。
就像巴菲特开头讲的故事：如果让在场的投资者重新抽签选择身份，愿意的人寥寥无几。
不是因为他们不相信自己的能力，而是因为他们已经意识到，能坐在这里本身就是极大的幸运。

这种幸运的自觉，让巴菲特对财富有了不同的理解。
他不认为自己的财富完全是靠能力赚来的，所以也不觉得这些钱完全属于自己。这就解释了为什么他要把99%的财富捐出去，而不是留给子女。

用巴菲特的话说，投资天赋能在市场经济中变现，这不是因为投资更高尚，只是因为市场恰好需要这种技能而已。

既然承认了运气的重要性，那钱对巴菲特来说意味着什么？
答案可能会让很多人意外：钱只是副产品，快乐才是最重要的。

有意思的是，巴菲特的这种金钱观和他的投资理念高度一致。
他从来不追求短期暴利，而是寻找能长期持有的优质公司。这需要极大的耐心和定力，如果只是为了赚钱，很难做到这一点。

巴菲特说，如果能重新选择，他还是会做现在这些事。
去做一生热爱的事，和喜欢的人交往，在工作中只和欣赏的人合作，即使和讨厌的人合作能赚1亿美元也会拒绝。

为什么你必须从现在开始做个人品牌？

普里斯特利说，硅谷最聪明的那批人，现在都在准备同一件事：工资即将暴跌，工作岗位大量消失。

这就是他们正在押注的未来。

普里斯特利说：如果你是律师，你就是一个法律领域的大语言模型，但现在基础的AI已经能做到80分的水平了，除非你在前20%，否则，你凭什么比AI贵？

这位建立了多家千万美元公司的创业者，最近把自己名下四家传统代理公司，全部孵化出了AI初创公司。

不是转型，是孵化。原来的业务还在，但用AI把核心能力提炼出来，做成了自动化平台。

现在绝大多数教育系统还在按照工业时代的标准培养人，但学校教的那些东西，恰恰都是AI最擅长的：记忆、重复、执行标准流程。

普里斯特利开玩笑说，我们花了12到15年，把人训练成了一个大语言模型，还是个性能不如新版的旧模型。

这就是为什么毕业生找不到工作的新闻越来越多，而另一边，创业的门槛却在降低。

那么，什么样的人能在这个时代活下来？
普里斯特利给出了一个简单的答案：学会做loops和groups。

Loops，就是价值创造循环。
从一个想法开始，动手做出来，得到结果，这是一个完整的闭环。可以是门口摆个柠檬水摊，也可以是开发一个小应用。
关键是，你要有从0到1的完整体验。

Groups，就是组建团队的能力。
你得知道怎么把一群人聚在一起，为了一个目标协作。
不是管理，是协作。

而这两个能力，恰恰都是学校不教的。

普里斯特利自己也不是技术专家，他说自己比较像指挥家，不会演奏任何乐器，但知道想要什么声音，知道怎么把乐团拧成一股绳。

他最常用的工具，是纸和笔。

你需要的是知道怎么用技术，怎么把想法变成产品，怎么找到愿意和你一起干的人。

如果说有什么东西是AI无法取代的，那就是你这个人本身。
普里斯特利说：想象一个机场，有的飞机还在地面，有的已经起飞。突然，大雾降临，塔台通知，地面的飞机不能起飞了，但已经在天上的可以继续飞。

个人品牌就是这样。
现在做个人品牌的人，只要会用AI工具，一条播客能切成几十条短视频，一篇文章能改成十几个不同平台的内容。他们的产出会是现在的10倍。

而那些还没开始做的人，会发现突破口越来越小。

更关键的是，个人品牌会成为一种新型资产。
普里斯特利预测，两到三年内，如果你有2万到20万真实粉丝，知道你是谁，看过你的内容，对你有基本信任，你就拥有了一笔巨大的财富。

因为新公司需要你，他们可以做出好产品，但没有品牌，没有信任，打不开市场。
但你有。

对比一下传统投资，VC的钱是通用的，你的钱和他的钱没有区别。
但个人品牌不是，每个人的品牌都是独特的，带来的是知识、网络和声誉。

很多创业者都会说，我缺的不是钱，是知名度，是客户，是信任。
如果你能给他们这些，你就比钱更值钱。

普里斯特利说，如果他现在有钱，与其去买房买股票，不如投入到数字资产的创造中：做一个SaaS产品，写一本畅销书，建立一个内容库，打磨一个能到处演讲的主题。
这些东西，才是符合这个时代的资产。

说了这么多，普通人该怎么办？普里斯特利给出了针对年轻人非常具体的建议：

1️⃣ 第一步：找一个776学徒机会。

776的含义是：找一家年收入七位数（百万级别），年利润六位数（十万级别）的公司，直接跟着创始人干六个月。

如果公司太大，你接触不到创始人，学不到真东西，你会陷入大公司的虚假繁荣里，有品牌，有预算，有各种资源，但这都不是你的，你根本不知道从零开始是什么感觉。

而一个做到七位数收入的小公司，创始人还在一线战斗，你能看到他怎么拿下客户，怎么做产品决策，怎么管理现金流。

这六个月，你要获得三样东西：自我认知，知道自己擅长什么；商业认知，知道生意怎么运转；资源获取，知道去哪找钱找人找机会。

2️⃣ 第二步：做90天项目。
不要一上来就想做大事业，先做一些有始有终的小项目，比如办一场工作坊，30个人，每人300块，90天内搞定；或者做AI顾问，帮几家小公司，干90天就收手。

这个项目必须在90天内结束。不是失败，而是刻意设定的结束。
这样你既不会有心理负担，也不会觉得这是我的终身事业，我必须成功。

你只是在练习，练习从0到1的完整流程。赚个几千块是意外收获，真正的收获是经验。

3️⃣ 第三步：找到创始人，然后机会匹配。

不要追风口，而是要找到你真正擅长的事。

普里斯特利提到了西蒙·斯涅克这个作家，他原本是个顾问，在纽约和伦敦之间飞，给公司做文化咨询。但他后面发现自己喜欢跟那些有使命感的公司合作，就总结出了"从为什么开始"这个概念，然后在飞机上把它写成了书。

这就是好的创始人，然后机会匹配。他不是看到市场需求才去做，而是把自己已经在做的事情，提炼成一套方法论。因为是从亲身经历来的，所以真实、有说服力。

普里斯特利自己也是这样，他做了15年的出版业务，帮人写书，后来把这套流程做成了AI工具Book Magic；他做了多年的营销工具开发，做过无数个测评表单，后来把它做成了Score App。

这些都不是凭空想出来的商机，而是真的把自己的经验资产化。

每一代人都会错过上一代的红利，但也会迎来属于自己的机会。
普里斯特利的答案是，这是一个个人品牌和数字资产的时代，那些能用AI放大自己影响力、在全球范围内创造价值的人，会成为新的赢家。

现在的AI不止能帮我干活，还能帮我操作了......

最近，Flowith又发布了一个叫FlowithOS的现象级产品。
核心理念可以用一句话概括：把整个互联网变成AI的游乐场，让用户从执行者变成决策者。

传统的交互模式下，用户需要打开浏览器，搜索信息，阅读筛选，复制粘贴，在不同网站间跳转，最后完成任务。整个过程中，人类承担了大量的机械性工作。

而在FlowithOS的愿景里，用户只需要说出需求，AI Agent会自动完成检索、分析、比较、执行等所有中间步骤，最后把结果呈现给用户确认。

FlowithOS还提出了Flow的概念，每个任务不再是固定的App界面，而是根据具体需求动态生成的执行流程。
这个Flow可以调用任何网站的API，整合不同来源的信息，甚至自动处理多步骤的复杂任务。

👋 快速上手
我们需要进入官网，下载客户端进行体验使用。

目前FlowithOS还是邀请制的，我给大家准备了几个邀请码，需要的朋友可以评论区留言哦～

进入到客户端以后，记得点击左下角，更改一下自定义配置，如颜色偏好，系统默认语言等。

相比于传统浏览器，FlowithOS把输入框放在了默认中间，你可以直接下达指令，输入指令后点击屏幕可以看到两种信息获取方式，一种是Google搜索，另一种是运行任务。

在左上方，我们可以看到所有任务的进行状态。

任务发布后，右侧显示的就是智能体的工作区域，你可以在这里看到智能体的思考及操作过程。

为了验证FlowithOS的实际能力，我设计了几个场景进行测试。

1️⃣ 场景一：创意内容生成与发布
我让FlowithOS完成阅读这篇blog，写800字的观后感，发一个帖子到微博上。

首先它打开这篇blog开始仔细阅读。

不仅准确理解了原文的核心观点，还生成了一篇结构清晰、论证有力的深度评论。

然后它操作浏览器，帮我发布内容。

2️⃣ 场景二：测试写竞品报告

我在product hunt上看到一些产品，希望让它基于起始页面，访问该页面列出的所有竞品的官方网站，从真实网站获取第一手数据（产品功能、定价、用户评价等），对 Flowith OS 进行全面深入的竞品分析。

收到任务以后，flowith Agent就开始工作。

它自动访问了多个技术媒体网站，提取了相关信息，并按照时间线和重要性进行了整理。信息的完整性和准确性都很不错，节省了我至少30分钟的手动搜索时间。

我认为FlowithOS可能代表了AI应用发展的一个重要方向，不是简单地在现有产品上加AI功能，而是从根本上重新思考了人机交互的模式。
FlowithOS现在已经初步验证了Agent-based操作系统的可行性，它能够将复杂的多步骤任务自动化，这在提高工作效率方面有着巨大的潜力。

这种产品形态契合了当前AI发展的趋势，随着大语言模型能力的不断提升，传统的App界面确实可能会被更智能的交互方式所取代。

如果你是技术爱好者或者效率工具的重度用户，非常建议尝试一下FlowithOS！能够为你提供前所未有的自动化体验，足以让你感受到未来的可能性。

如果想要了解现在全球AI模型及应用发展进程的朋友，建议去看一下今天黄仁勋在华盛顿2025 GTC 大会上发表的主旨演讲。

黄仁勋在演讲时展示了一张全球开源模型的下载和采用情况的图表。
数据显示，2025年以来，来自中国的阿里通义千问Qwen已经占据了开源模型的大部分市场份额，而且这个领先优势还在持续扩大。

他的表态很直接："开源模型已变得非常强大，大大加速了AI应用的进程。开发者、研究者、全球的公司都需要开源。"

其实黄仁勋对开源模型的支持不是一天两天了，早在2025年5月的财报电话会上，他就公开表示，来自中国的Qwen和DeepSeek是开源AI模型中最好的。

那次发言还说了一句更重要的话：最终赢得AI开发者的平台将赢得AI，出口限制应该加强美国平台，而不是将世界上一半的AI人才推向竞争对手。

这次在GTC大会上，黄仁勋把话点得更透了。
他提到了一个关键观点：开源模型已经成为初创公司的命脉。

为什么开源模型会成为初创企业的命脉？

你想，训练一个大模型动辄就是上亿美元的算力投入，几十个顶尖科学家的团队配置，还有长达数月的调试周期。这种门槛下，99%的初创公司连入场券都买不起。

日本有一家做电子漫画的and factory（东京·目黑）就是个典型案例。
他们基于通义千问开发漫画生成AI，社长青木伦治的解释：我们尝试了多种AI模型，发现阿里云的AI在图像和视频生成方面特别适用于漫画创作。漫画相关的训练数据由公司提供，开发所需的工程师团队几乎全部由阿里云提供。

这个案例揭示了开源模型的第二个价值：让初创公司可以直接专注于应用而非基础研究。

创业者可以直接站在巨人的肩膀上，专注于应用层的创新，而不用重复造轮子。原本需要投入上亿美元才能做的事情，现在几万美元就能启动。
技术壁垒被打破后，竞争的焦点转移到了对具体场景的理解和产品化能力上。

更关键的是技术自主可控。
当你把核心技术建立在别人的闭源API上，就等于把命门交给了别人。API突然涨价怎么办？服务条款突然变更怎么办？

开源模型给了创业者另一种选择。模型代码和权重都是公开的，你可以在自己的服务器上部署，可以根据需求修改优化，这种掌控感对初创公司来说太重要了。

然后他强调了一个关键点：国家同样依赖开源模型。

作为全球AI算力的最大供应商，黄仁勋比谁都清楚开源模型的战略价值。
他提醒美国，虽然有厉害的闭源模型，但也必须要在开源领域领先，本质上是在说开源已经成为AI竞争的关键战场。

谁能建立更强大的开源生态，谁就能吸引更多的开发者，谁就能在AI时代占据优势地位。

在他展示的全球开源模型数量中，英伟达与阿里通义千问断层领先其他竞争者。

这种断层领先也意味着，在开源这条赛道上，游戏规则正在被重新定义。

技术主权这个词最近几年被频繁提起，当AI成为新一代基础设施，掌握核心技术就意味着掌握发展的主动权。
依赖别人的闭源模型，就像把自己的数字基础设施建在别人的地基上，风险不言而喻。

AI产业正在重塑全球经济格局，而开源模型是参与这场重塑的入场券。一个国家如果没有自己的开源生态，就意味着在AI时代的竞争中处于被动位置。

当技术成为大国博弈的工具，开源和闭源就不仅仅是技术路线的选择，而是关系到国家安全的战略决策。

通义千问占据全球开源市场第一的位置，对中国来说意义远超一个商业成功案例。
它证明了在AI这个最前沿的技术领域，中国不仅能跟跑，还能领跑，这种示范效应会带动整个产业链的信心。

更有意思的故事发生在演讲背后。
爱彼迎CEO布莱恩·切斯基在采访中说，公司正在大量依赖阿里通义千问，原因很简单：比OpenAI更好更便宜。他还补充了一句，OpenAI的最新模型我们也会用，但通常不会在生产环境中大量使用，因为有更快更便宜的选择。

美国AI专家Nathan Lambert说得更直白：硅谷时建立在Qwen之上的吗？

这些大佬们的选择背后，藏着开源模型正在改写全球AI格局的现实。
最终赢得开发者的平台将赢得AI，而在这场争夺开发者的战争中，开源模型已经占据了先机。

归根结底，技术的本质是让更多人受益。
当一个模型能够降低创业门槛，加速创新应用，让更多国家和地区的开发者能够参与到AI革命中来，这才是真正有价值的技术进步。