刚刚意识到，最近两年在生活习惯上有一些明显的变化：
1. 脑子里冒出点东西，之前是想起来就推进，现在是直接问AI、或者直接下达一个指令，再不济也是录下来，有AI定时归纳提醒我思考；
2. 看书的习惯变了。所有的非虚构类书籍都交给NotebookLM，每一张生成一个15分钟的播客，通勤路上听。有问题就直接问。小说还是要自己看，毕竟享受的是过程。
3. 平时上的网站、用的app越来越集中。社交媒体几乎不刷（除了日常更新），搜索早就不用了，就是几个AI工具。目前频次最高的是Claude，其次是ChatGPT，X和Gemini主要用deep research。

翻出了一年半以前给盖茨基金会做的分享PPT，当时有一页就是讲设计团队的。
我们22年开始大规模使用Midjourney和Stable Diffusion，随后的ComfyUI、Nano Banana也在用。当时重新定义了设计师这个岗位，我们叫美术指导、设计总监。
这个应该比传统设计师更全面，有更多经验，具备专业的设计背景。他要了解业务、了解市场、会沟通能推进。所以我们23～24年设计团队有个明显的分化：符合要求的承担美术指导的职能，不符合要求的淘汰掉，短时效设计需求找外包。这应该就是设计行业的缩影，让更有经验的、更全面的人掌握更强大的工具。
焦虑起源于22年夏天。

上午有空就玩一下GPT Image 2，把手头的一些真需求复现了一遍。
先说结论：
- 创意环节效率大大提升，可以成为设计师的好帮手；
- 设计师不会消失，但会新形态的设计师出现；
- 正式设计项目还是要谨慎，并非一键无忧出图，还是会犯错的。

附件是案例。

最近听了张小珺访谈洪乐潼的播客，里面关于“注意力机制”的讨论让我反思了一下。注意力分两类：一种是被绑定的，在既定路径上高效推进；另一种是自由的，漫无目的却滋养灵感。

回看这两年，我有点像一台精准的机器。所有事情都被自己或别人的计划推着走，虽然任何事都在轨道上，却失去了大量自由思考的空间。

可能是常年做产品、做项目的惯性，在家庭生活中也会不自主地如此执行。以前带女儿去公园，我总习惯用 PBL的方式预设目标、规划路径。虽然孩子有成就感，但如果所有的玩都变成了目标明确的任务，对她的身心发育其实是一种压制。

所以最近我们开始尝试主动留白式的生活。5月在新加坡、6月在日本，我们彻底放弃了攻略和计划，就是全家一起漫无目的地遛弯。在那些计划外的街道和偶遇的惊喜里，去共享大家的感受。

OpenClaw在国内之所以火爆：
- 经济状况确实不好，很多人闲着；
- 普通人能听得懂，仿佛找到了救命稻草；
- 大企业又有新故事可讲，有意愿参与；
- 自媒体又有新话题，除了吹就是喷，很极端；
- 监管有些之后，但我依旧相信虽迟但到。

分享个最近养成的习惯，用豆包随手记事。

脑子里经常会有各种想法、各种创意，之前会用Siri记到备忘录或者提醒app里，但Siri过于弱智了。

现在的方案是：把手机的action键设置为豆包语音输入，激活后直接口喷：记录这个想法、记录这个创意、记录这个选题……

然后在豆包上创建一个定时任务，每天分门别类地汇总一下并提醒。非常丝滑。

昨天在五道口参加 OpenClaw 聚会，想起了 2016 年的 Docker 社区。

聚会上所有人都在抱怨同一件事：插件不敢装、部署太复杂、模型消耗提心吊胆。这里面有不少 Agent Infra 的创业机会，并且应该已经有人动手了。

最直接的是插件review。现在社区插件市场上有几千个插件，但没人知道哪个安全。开发者要么自己检查代码，要么直接赌一把装上去。有人说需要一个类似 VirusTotal 的平台，集成扫描 + 社区评分，给插件打个认证标。这个需求不是想象出来的，每个人在听说一个特别好的插件的时候都会加一句"这个插件靠谱吗"。

另一个是路由和统一计费。大家现在手动切换模型，Sonnet 处理复杂任务，而K2.5 做例行操作，每个月还要管好几个订阅账号。理想状态应该是一个路由器自动根据任务分配模型，计费统一走一个接口。这个方向已经有人在做了，但还没看到特别成熟的。

一键部署的需求也很强。聚会上有非开发者背景的人，想用OpenClaw 但卡在配置上。现在有一些简化工具，但还不够傻瓜。有人提到可以做个带 Web UI 的一键部署平台，支持本地和云混合，对标当年降低容器部署门槛的那些工具。现场也有人卖一体机，好像还是DeepSeek一体机那些人，气死我了，钱都被他们赚了。

还有个更直接的生意：托管服务。就是让 Agent 能 24/7 跑在云上，不占用本地资源。已经有云服务商推出了按月订阅的方案，几十块钱～几百块钱。也有那种机房模式的，租赁主机。

最后是跨 Agent 调用平台。让不同 Agent 能互相调用和协作的代理劳务市场。这个方向还比较早期，但如果 Agent 生态继续扩张，分布式协作可能会成为刚需。

2016 年左右的 Docker 社区就是这个状态。容器技术验证了，能跑，但所有人都在抱怨不好用。然后一堆基础设施公司冒出来：CoreOS 做安全和简化部署，Rancher 做多云管理，Mesosphere 做编排。到 2018-2020 年，这些公司要么被高价收购，要么转型活下来了。

窗口期大概 3-4 年。从能跑到好用，再到市场格局基本稳定，也就这么长。

OpenClaw 现在就在那个转折点上。用的人多了，痛点开始集中爆发，但还没有成熟的解决方案。我怀疑这波机会可能比当年更短。因为云端基础设施已经很成熟了，不需要从零开始搭。可能就半年到一年，就会有人把这些坑填上。

不过有一点和当年不一样：Agent 的安全性比容器复杂得多。容器只是跑个应用，而 Agent 能执行代码、访问文件、发邮件，风险大得多。这可能是为什么插件审计会被提得这么频繁。

如果要做这个方向，几个建议：
- 不要做"更好的 Agent"，做"让 Agent 更好用的工具"。CoreOS 和 Rancher 都没试图替代 Docker，而是填补它的空白。
- 考虑通用性，不要只锁定 OpenClaw。OpenClaw 的模式可能是对的，但不一定是它本身会赢。做基础设施要服务于 Agent 这个品类，而不是某个具体产品。Rancher 当年支持多种容器运行时和编排工具，没把自己绑死在 Docker Swarm 上，这是它能活下来的原因之一。
- 聚焦一个痛点，快速验证。插件审计、智能路由、一键部署，选一个，做到能用，别想着一开始就做平台。
- 开源核心 + 商业增值。容器生态的成功案例基本都是这个模式，社区建生态，企业版赚钱。
- 动作要快。窗口期可能只有半年到一年，痛点已经摆在这了，谁先做出来谁吃肉。

好久没去五道口了，上次还是在768园区找朋友拍视频。

OpenClaw 技术上都不是新东西，为什么这个产品能出圈呢？
- 创始人的极客属性，项目的开源属性，让产品自带光环。
- 不断分享开发历程，积极运营社群，硅谷最活跃的一群人都是它的早期参与者，贡献了很多脑洞和传播素材。
- 开源项目可以极大降低稳定性、安全和质量要求，给予AI更多能力，而正规产品不敢这么做。
- 使用了人们最熟悉的沟通媒介（IM）

在科技圈的发展过程中，各方都在思考和寻找最优解。

过去很长一段时间，谷歌“模型+云+芯片”模式让科技圈不约而同地看到了全栈的价值。。随着1月29日平头哥“真武”芯片的悄然亮相，那层笼罩在阿里巴巴硬科技版图上的薄纱被揭开。大家发现，答案其实早就锁定在了阿里巴巴身上。

这并不是一次简单的产品发布，而是阿里AI黄金三角——“通云哥”（通义+阿里云+平头哥）的正式合体。

放眼全球，真正能把这盘棋下成全栈闭环的，似乎只有谷歌和阿里。

你可能会奇怪：云计算的霸主微软和亚马逊AWS呢？

这正是问题的关键所在。在定义AI先进性的新标准下，微软和亚马逊都存在着微妙的结构性缺憾。

微软依旧延续在类似Win-tel的结盟模式，他的的AI优势建立在与OpenAI的深度合作之上。Azure提供云服务，OpenAI提供大模型技术。但在底层算力上，微软依然高度依赖英伟达的GPU。当核心模型来自合作伙伴，核心芯片依赖外部供应商时，很难真正做到从底层芯片到上层模型的极致系统级优化。

AWS目前更多扮演的是“模型超市”的角色，通过Bedrock平台接入多家第三方模型。但在决定胜负的基础大模型领域，亚马逊自研的Titan系列尚未进入全球第一梯队。尽管AWS拥有强大的云基础设施和自研芯片能力，但缺乏一个处于绝对领先地位的自研大模型，这使得他在构建AI原生生态时缺乏最核心的吸引力。

只有谷歌（TPU+Gemini+GCP）和阿里（真武+千问大模型+阿里云），在三个领域都拥有顶级且自研的硬通货。

这种三位一体的含金量，不在于单项第一，而在于系统级的掌控力。

跨越物理极限

如果只盯着参数看，不管是芯片的算力还是模型的参数量，都很容易陷入“比大小”的误区。

在AI竞争的上半场，大家拼的是手里有几张好牌；但在下半场，是否拥有全栈垂直整合能力已成为定义科技公司先进性的唯一标准。

因为摩尔定律在减速，单项技术的堆叠已经撞上了物理墙。

这时候，阿里的“通云哥”架构展示了一种超越物理极限的协同哲学。这绝不是简单的业务相加，而是实现了“1+1+1>3”的系统级质变。

这就要提到那个反直觉的数据：在阿里云上，千问大模型的训练加速比提升了3倍以上。

这不是靠堆卡堆出来的，而是靠软硬深度协同磨出来的。当你的模型跑在自己的云上，底层又由自己的芯片驱动时，这种“云芯模”的一体化才能突破算力与效率的物理极限。

这是那些只做模型、或者只做云、甚至是依靠外部联盟的非全栈厂商，望尘莫及的效率护城河。

你无法极致优化一个你不拥有的东西，这就是全栈的意义。

平头哥走向前台

平头哥一直是阿里版图里最神秘的变量。

此次“真武”PPU的亮相，意味着平头哥正式从幕后走向台前。有一说一，这款芯片的性能足以让市场提神。

据业内透露，“真武”PPU在关键性能上不仅媲美英伟达H20，它的升级版甚至在部分指标上看齐A100。更关键的是，它实现了从架构到软件栈的全自研。

这步棋走得很重，但也走得极稳。

对于阿里而言，这不仅是一次打破硬件依赖的防御战，更是一次进攻。这不仅打破了硬件依赖，更为上层的大模型训练提供了极致优化的算力底座。

殊途同归的开源变局

虽然在架构上对标谷歌，但在战略路径上，阿里却给出了一个完全不同的解法。

谷歌选择了Gemini的封闭路线，试图复刻苹果式的围墙花园；而阿里则走出了独特的全球开源路径。

数据不会撒谎。Qwen系列模型目前的下载量已经超越了Meta的Llama，成为当下全球开源模型的第一。

这是一幅很有意思的图景：从斯坦福的实验室到新加坡的国家AI计划，全球开发者都在基于Qwen构建应用。甚至连曾经的开源霸主Meta，其新项目竟然也开始蒸馏千问的模型。

这在几年前是不可想象的，中国模型正在成为全球AI开发者的“水电煤”。

这种开源策略看似是“交个朋友”，实则是最高明的商业闭环。开源生态带来的巨大算力需求，最终回流到了阿里云和平头哥的底层设施上。

全球开发者用得越多，对阿里底层算力的粘性就越强。这是一个典型的飞轮效应：模型越强，生态越广；生态越广，底座越稳。

被误读的巨头

长期以来，市场习惯用电商GMV来衡量阿里的价值。

这种估值逻辑在移动互联网时代或许有效，但在AI时代，已经不合时宜。

当一家公司手握全球领先的云设施、自研高端AI芯片、以及霸榜全球的开源大模型时，市场应跳出电商GMV的传统视角，用评估硬科技巨头的逻辑重新审视阿里。

这就好比你不会用卖书的逻辑去评估现在的亚马逊，也不会用卖显卡的逻辑去评估现在的英伟达。

如今，市场终将意识到：电商只是阿里的表象，硬科技才是它穿越周期的底色。

当“通云哥”构建起这道深不见底的全栈护城河，阿里的价值逻辑已被彻底重写。与其寻找谷歌的平替，不如见证一个拥有独立技术人格的科技巨头的诞生。

2 年 10 万粉丝，副业收入持续增长，OKR 还是有点作用的。
以后争取每天上班开车时间分享点什么。