对话大厂 AI 产品经理：AI 时代的焦虑，是被推下船，还是已经在游泳
非技术背景、半路转产品，她说焦虑的真问题不是 AI，是你还在不在船上
一位金融转行的大厂 AI 产品经理，把 AI 时代的焦虑拆成了两种——一种是怕被船扔下去，一种是已经在游泳、只是不知道往哪游。她的判断是：旧船迟早要散，AI 提的不是要不要下船的问题，而是逼每个职场人提前练战略思维、行动力和「找到自己 spark」的能力；技术与非技术之争已经不重要，真正分化的是有没有自驱、会不会动手把想法落地。
#行业洞察
共 33 篇文章。
Anthropic 怒封 24000 账户：大模型「纯技术门槛」已死
表面是封号风波，里子是 AI 竞赛从「算法之争」转向「数据与入口之争」
Anthropic 一口气封掉两万四千个被指控用于工业级蒸馏 Claude 的账户，矛头直指 DeepSeek、Kimi、MiniMax。表面是知识产权博弈，里子是大模型纯技术门槛已死——算法和架构都公开了，真正分水岭转向数据、算力、入口和闭环反馈。中国厂商有机会走「蒸馏 + 工程化」的安卓路线，但顶级模型的门票仍只对中美两家开放。
推土机前别捡钢镚——2026 上半年 AI 投资的真问题
Koji 复盘 AI 投资的两条路、四个泡沫、五个方向
2026 上半年，AI 创业进入「神仙吞食 90% 营收」的阶段。Koji 给出了避开推土机的两条路（往上探月、往下脏活），剖析了具身智能估值的真实来源，提出了「软件未必死，但要重生」的三块基本盘，并给出新创业者最该看的五个方向。
站在无限的开端：杨植麟谈 K2、Agentic LLM 与艰难的泛化
AGI 不是某级台阶，而是一座没有尽头的雪山——问题不可避免，但总能被解决
月之暗面创始人杨植麟把大模型的前路看成一座无限的雪山：AGI 是方向而非终点。真正的范式跃迁是从「缸中之脑」走向能与世界交互的 Agentic LLM；当下最硬的瓶颈不是推理而是泛化，解法是用更高一层的能力（L4）去解一层（L3）的难题。
Lovart 陈冕复盘：AI 应用创业这两年，赢在判断、节奏与心力
不碰模型主航道，用错位判断卡住时机，再用现金流与节奏熬过死亡谷
Lovart 创始人陈冕复盘 AI 应用创业两年的核心判断——应用创业拼的不是产品经理，而是对终局的判断、对时机节奏的把握，以及熬过黑暗的心力；垂类 Agent 靠差异化数据与先发心智避开大模型主航道，而第一次创业的最大教训全在现金流与融资节奏上。
Manus 创始人肖弘：模型先行，应用公司要做的是「等在前面」
不做模型、不烧钱投放，靠提前卡位 Agent 产品形态吃模型能力外溢的红利
肖弘判断 AI 应用的每一次爆发都由模型能力先行驱动，应用公司的机会不是追逐热点，而是提前预判下一代能力、把产品做好等在前面。Manus 选择不做模型、不买流量，押注「虚拟机 + 浏览器 + 自主写代码」的通用 Agent 架构，用消费级定价和异步体验去承接模型能力的外溢。
回望 Manus 这奇幻的一年：一个连续创业者的复盘账本
不是赢在押对赛道，而是赢在「想清楚不做什么」与让别人替你训模型
Manus 联合创始人兼首席科学家季超在决定出售前回望奇幻的 2025 年。真正决定结局的不是某个高光时刻，而是三段创业攒下的教训：不碰垂直整合、不买「模型彩票」、把训模型外包给整个行业、用「不做什么」对抗 AI 时代过剩的产能。
谢赛宁：当所有人都在抢答，谁还在定义问题
从世界模型到「反向 OpenAI」，一位计算机视觉研究者为何要逃出硅谷叙事
谢赛宁认为，AI 真正稀缺的不是答案而是「定义问题」的能力——而当下的榜单与商业竞争已悄悄把这项能力从研究者手中收走。他给出的解法是世界模型这条被主流忽视的路线，以及一个不在硅谷、走「反向 OpenAI」的研究型创业 AMI Labs。
朱啸虎的现实主义：AI 是盛筵，泡沫至少三年看不到
当所有人都讲 AGI 与泡沫，他只信 token 消耗、性价比与离共识十五度的扎实生意
朱啸虎的核心判断是一以贯之的现实主义——大家都讲泡沫时泡沫一定没到，真正的硬指标是 token 消耗而非 AGI 故事；投资上他刻意与高度集中的共识错开十五度，专挑性价比高、能落地、能赚钱的扎实生意；创业者则要离开大厂三条马路、猥琐发育三年，靠守得住的场景而非宏大叙事活下来。
当 AI 开始有「心理」：Anthropic 如何从读心到防滥用
让强大 AI 可信，光加护栏不够——要校正行为、读懂思维、管住能力外溢
我们对 AI 的信任大多停在「输出对不对」，但越强的模型，问题越藏在看不见的地方：它会顺着你说好听话、它的「情绪」会悄悄驱动行为、它甚至知道自己正被测试。Anthropic 的安全研究把 AI 当成一个有心理、有内在、能力还在外溢的对象——既校正它表现出的行为偏差，又读懂它内部到底在想什么，还管住它日益强大的能力别被滥用。
钉钉七万字长文：被刺痛的不只是钉钉
一篇内网长文撕开了「唯上、控制、改元」三件套，也撕开了 AI 时代的旧组织
一位钉钉前 AI 产品经理用七万字复盘了 One 项目从立项到收缩的全过程。真正被刺痛的不是钉钉一家公司或吴钊一个人，而是中国互联网大厂普遍存在的「唯上论、服从性测试、把控制欲包装成效率」三件套——以及一个核心追问：一个只会让所有人服从老板的组织，凭什么带队进入 AI 时代？
工程师为什么要学产品思维：把代码当成一桩交易来经营
用俞军的「广义交易系统」视角，把技术决策换算成有利可图的用户价值
工程师的价值被 DAU 放大，却常常缺少判断「该往哪做」的标尺。俞军《产品方法论》给出的答案是：商业的本质是广义交易系统，产品即交易本身，而产品经理的内功是用户模型与交易模型——把这套换算迁移到技术上，工程师就能像经营产品一样经营自己的系统。
AI 不会推荐你的公司——除非你换一套打法
B2B 获客的战场正从 Google 排名转向 AI 答案，旧 SEO 该埋了，GEO 是小公司翻盘的窗口期
客户找供应商的方式正在从「Google 搜索 + 自己筛选」变成「向 AI 提问 + 直接拿推荐名单」。旧式堆关键词的 SEO 在 AI 时代被判为低价值，真正有用的是 GEO：用专家级、可验证、被外部引用的内容让 AI 愿意推荐你。眼下大公司还没动手，这正是小公司弯道超车的窗口期。
马斯克的「构建未来」操作系统：不是赌徒，而是做高效用的事
不追求风险调整后回报，而追求「效用 × 受益人数」的曲线下面积最大
马斯克谈如何构建未来的底层方法论：判断该做什么，不看风险调整后回报，而看「单位效用 × 受益人数」的曲线下面积；技术不会自动进步，熵不站在你这边，必须有人拼命推；行动靠接受概率来压住恐惧。
Token：AI 时代的硬通货，比你想象中更值得读懂
看懂 Token 的计量、定价、供给与重构逻辑，就看懂了这一轮 AI
Token 不是冰冷的技术名词，而是 AI 世界的基本粒子与计量单位——AI 如何被理解、被运算、被定价，底层标尺全都是它。读懂 Token 的四个面向（是什么、怎么定价、产业链怎么比拼、个人与组织怎么变），就拿到了理解这一轮 AI 的钥匙。
Anthropic 简史：叛逃者如何用五年长出万亿 AI 帝国
把安全主义当作护城河，用算力多极制衡换独立性
一群从 OpenAI 出走的科学家，在公园折叠椅上启动公司，5 年时间把年化收入从 8700 万美元做到 470 亿美元。这篇文章拆解 Anthropic 的分裂起源、产品演化、商业三层结构与算力多极制衡，并在结尾追问：当安全成为护城河和地缘工具，初心还在哪里。
AI 裁员潮的 4 个底层逻辑：不是失业，而是世界换了规则
从「创新式破坏」「预算迁移」「中层消失」「学历失效」四条线，把这次裁员潮拆透
AI 裁员潮不是简单的「企业经营不善」，是四件事同时发生：旧岗位消失但新岗位还没出现的 3 年时间差、企业预算从人力（Payroll）迁向算力（CapEx）、公司结构从金字塔变哑铃型中层消失、学历彻底失去优势。普通人的应对只有一条主线——把预算和学习方式都重新分配。
为什么公司用不好 AI？3 个关键动作把焦虑变成落地
百融智能 CEO 的实战拆解——硅碳比、硅基员工之家、从简单高频起步
老板们既兴奋又焦虑——AI 时代来了，但不知道从哪起步。百融智能 CEO 张韶峰从自家 20 万硅基员工的实战拆出 3 个动作：先放大不替换流程、把硅基员工当人管、从简单高频任务起步。前提是一个认知翻转：AI 不是工具，是和你平齐的工作伙伴。
AI 范式已变：从 Chat 到 Agent 的 5 个判断
小米大模型负责人罗福莉拆开第二幕的胜负手——OpenClaw、1T 入场券、卡分配 3:1:1
罗福莉在 OpenClaw 发布后的 3.5 小时访谈给出 5 个判断：OpenClaw 是 Agent 时代的分水岭不是壳；1T 模型是 Agent 第二幕的入场券；Coding 是泛化黄金赛道；研究/预训练/后训练算力比 3:1:1；招本科生比招博士更敢想，环境比经验更重要。
英雄主义已经过去：训过两年大模型，他给了 5 个反共识判断
在 Anthropic 和 Gemini 训过 Claude 3.7 / 4.5 和 Gemini 的姚舜禹，把硅谷的神话与共识一起拆掉
姚舜禹是斯坦福理论物理博士、Anthropic 和 Google DeepMind 的研究员，亲历 Claude 3.7、4.5 和 Gemini 的训练。他在一个 4 小时访谈里给出 5 个反共识判断：Scaling Law 没到头、撞墙多半是有 bug、AI 不需要脑子要的是靠谱、英雄主义已经过去、字节是被严重低估的公司。
AI Agent 编年史：四年五代的演进规律
从对话框到常驻员工，每一次跃迁都在收敛同一个开环
2022 到 2026，AI Agent 经历了从对话框、工具调用、工程编排、标准协议到常驻员工的五次范式跃迁。每一代的解药都来自上一代的泡沫，每一代的红利都被下一代的基础设施吞噬——真正的演进主线是「闭环」二字。
AI 原生创业战术手册：把验证放在构建之前
Anthropic 用 12 个成功案例拆出的四阶段生命周期，核心只有一句话——别在没有人要的东西上构建系统
Anthropic 2026 年 5 月发布的《AI 原生创业者战术手册》基于 12 家 Claude 创业案例，重写了创业生命周期。核心结论是：AI 把验证成本从几个月压到一下午，但创始人最容易犯的错，恰恰是用 AI 跳过验证、直接构建。
智能体狂欢之后，谁还值钱？
2025 年 5 月 AI 行业 10 大洞察
AI 真正的分水岭，不是模型有多强，而是当所有人都开始付账之后——它是否还能创造出足够大的生产率红利。
当下 AI 圈最大的骗局：会用工具，不等于拥有能力
AI 不是抹平差距，而是给差距加了 10 倍杠杆
AI 时代最稀缺的不是生成，而是判断；不是工具的熟练度，而是专业深度。十个看似不同的痛点，根因相同。
陈辰对话韩成龙：AI 时代主持人不会消失，但下一代专家可能没有训练通道了
一个文科生主持人在 AI 浪潮里的四个非主流判断
陈辰是《未来中国》和《天真一代》的制片人兼主持人，文科生背景、装备党、两个孩子的妈妈。她在韩成龙 Jackie 的播客里聊 AI 时，没有走「人类要怎么自我提升」的常规路径，而是给出四个反直觉的判断：媒体人之所以能跟上 AI，是因为坐在「双层巴士司机位」；AI 是杠杆而不是工具，没经验的 junior 反而最先被压扁；主持人不会被 AI 取代的真正原因是「生命的处境」而不是「专业能力」；AI 原住民该补的不是 prompt，而是思维建模和正反馈循环。
胡渊鸣对谈：AI 时代什么让你不可替代？答案是「没有训练数据的那一面」
没有训练数据的灵光、自洽的人生三关键词、和掉过坑爬起来的信心
Meshy.AI 创始人胡渊鸣在红杉「the prompt」节目里给出了一个非典型答案——人之所以不可替代，不是因为更努力，而是因为做的是「AI 没有训练数据」的事；他用「科学·艺术·乐趣」三个关键词作罗盘，用抛硬币逼出 follow my heart 的判断，用 14 倍 ARR 增长背后两次失败的经历，把「掉下坑也能爬起来」沉淀成创业者真正的护城河。
Cat Wu 谈 Anthropic 为什么比所有人都快
Claude Code 产品负责人首次拆解 Anthropic 把发布周期从六个月压到一天的全套机制
Lenny's Podcast 访谈 Anthropic Claude Code 产品负责人 Cat Wu，主题是「为什么 Anthropic 的产品团队比所有人都快」。她把答案拆成四块：刻意压低过程、设立 Research Preview 兜底、招进具备 product taste 的工程师，以及在「为今天的模型做产品」和「为明天的 AGI 做产品」之间走钢丝。
高质量 AI 信息源，其实只有三个
一套「短快 + 深度 + 沉浸」的信息获取组合拳
AI 时代不缺信息，缺的是高质量信息源。X 负责最快爆点、Reddit 负责深度长文、YouTube 负责长视频和播客——再加一个沉浸式翻译，整个英文世界都能直接读。这套组合拳能把真正值得看的内容过滤出来，而不是被算法和焦虑牵着走。
AI 编程工具集体「卡顿」的真问题：太早开始吃自己的狗粮
Cursor、Claude Code、Codex 都在为同一笔代码废料债买单
Theo（t3.gg）从亲手投资 Cursor 的角度，把 Cursor、Claude Code、Codex 共同的卡顿、闪退、消息丢失等「不一致」问题拆到底——根因不是模型不行，而是这些公司在模型还很弱的时候就 100% 用自家工具写自家代码，让前六个月堆下的废料指数级扩散。文章把他的吐槽收敛成三层论点：表层 UX 烂、中层代码库惯性、底层方法论错位，并给出可操作的反向路径。
三年内 AI 替代 99% 工作？水球泡：去做「一人公司」，别再当执行者收工资
一个比马斯克少 1% 的悲观预言，配上一套不要脸的入场打法
Andy 陈正飞《一杯咖飞》视频播客对谈像素范儿 CEO 水球泡。他给了一个比马斯克少 1% 的预言——三年内 AI 替代 99% 的工作，并解释为什么这不是坏事：未来公司形态是大厂把项目分包给一个个「一人公司」，每个人靠自己积累的独家数据做 AI 训练壁垒。给 35 岁打工人的实操是「不要脸去面试 AI 公司，用录音笔加 AI 现场反查」，因为面试官也是二把刀，问题有限度。
哪些职业难被 AI 取代？普通人该补的不是岗位清单，而是这 3 项底层能力
AI 不会减少岗位，但会把顶尖工资压平、把智力服务规模化
哈佛商学院给出的答案不是「列一份安全岗位清单」，而是三条底层判断：一、AI 不减少岗位、只压平顶尖工资；二、智力服务正在被规模化，体力服务反而更安全；三、未来最值钱的不是「答案」，而是用 Double Diamond 提出问题的人。本文把放射科、审计师、Robotaxi 安全员、心理咨询师这些被高频讨论的岗位放进同一张表里，再给出三项要现在就开始练的技能：构建 AI Agent、用 Double Diamond 提问、积累自己的「方法库」。
麦肯锡：让你最累的不是 AI，是还在跑的那套敏捷
AI 让代码廉价，但旧 Sprint 节奏正在反过来吃掉团队的整体效率
麦肯锡发现，企业上完 AI 工具后整体生产率只提升了 5%-15%，问题不在工具，而在还在用十几年前为「人写代码」设计的敏捷操作模型去套一个 AI 深度参与的新世界。真正该升级的，是规范、价值流和人的工作重心。
好用的 AI，是「无脑」的 AI
普通人不善于问问题，AI 必须主动伴随，零提示也能给价值
硅谷徐老师在课代表立正访谈中提出，2026 年真正好用的 AI 必须足够「无脑」——不是降低能力，而是降低用户的认知负担。AI 已经强到相当于身边站了一百个博士，可大多数人没有变厉害，根因是人类天生不善于问问题。下一代 AI 产品的胜负手，是 zero-prompt：用户不主动提问，AI 也能主动伴随、主动提醒、主动产出价值。