1
DNA
0post
2025.11.29 23:00
:0% :0% （20代／男性）
人気のポスト ※表示されているRP数は特定時点のものです
らーめん 福籠@浅草橋
味噌
味玉
こま肉
ラードに覆われた動物系の重厚なスープ。もちろん熱々なので､油断すると火傷します。コシのある縮れ麺が､このスープによく絡む。
しっかりと純すみ系のDNAを感じられる味噌ラーメンでした。 https://t.co/p37w4CdHQA November 11, 2025
7RP
名古屋城の無料エリア拡大中(11/30迄)なので、”行っとかんと損だわ精神”がウズウズして行ってきた！
やっぱり名古屋城は名古屋人のDNAに訴えかけてくるモノがありますね☺️
#名古屋2025 https://t.co/F75LrYO68g November 11, 2025
4RP
蔡崇信港大演讲深度复盘：中国AI的四张底牌，以及被误读的美国AI规则
Joe Tsai's HKU Speech: China's Four AI Assets and and the Misread U.S. "AI Winner Rule"
笔者注：11月5日，香港大学经管学院主办“陈坤耀杰出学人讲座”，以“前瞻十年：推动中国经济增长的科创引擎”为题进行对谈，邀请了阿里巴巴集团联合创始人及主席蔡崇信先生分享创新，科技及人工智能如何重塑商业格局并驱动中国经济长期增长。活动在港大陆佑堂举行，据主办方透露，这场演讲报名史上最火爆，邮件发出两小时内报名人数已经突破1200人。。。
从某种意义上来说，这也算是一种历史的呼应。17年前，马云曾站在同一个舞台上演讲。。。而在这次与港大副校长邓希炜教授的深度对谈中，蔡崇信抛开客套，直击中美AI竞赛的核心，剖析了阿里的商业进化论，并为年轻人给出了极具穿透力的建议。。。
以下摘录来源于至顶科技高飞。
一、重定义AI竞赛：中国手握“四张底牌”
蔡崇信开场便抛出一个反直觉的观点：美国人定义的AI竞赛规则，可能是错的。
目前的“美式计分板”只看谁的大语言模型（LLM）更强，今天是OpenAI，明天是Anthropic，后天是Gemini；但在蔡崇信看来，这种评价体系本身就有问题。
1，真正的赢家逻辑：渗透率 > 模型参数
The winner is not about who has the best model... The winner is about who could use it the best in their own industries, in their own lives... （赢家不是看谁模型最好，而是看谁在自己的行业和生活中用得最好。）
AI的真正价值在于渗透率（Penetration Rate）。相比于追求参数的无限堆叠，中国政府的AI规划显得更为务实：目标到2030年，AI代理和设备的渗透率达到90%。不讲玄学，只讲普及。
2，中国为何能普及更快？四张系统级底牌
为了支撑这一普及率，蔡崇信列出了中国拥有的四项关键优势：
底牌一：电力成本优势（低40%）。训练和推理本质上是能源消耗战。得益于15年前启动的特高压输电网络建设（“西电东送”等），中国国家电网每年的资本支出高达900亿美元，是美国的3倍。这使得中国的电力装机容量不仅是美国的2.6倍，新增容量更是美国的9倍。
底牌二：基建红利（低60%）。在中国建设数据中心的成本比美国低60%。这仅仅是基础设施的成本，尚未计算芯片等硬件。
底牌三：工程师红利与语言优势。全球约一半的AI科学家和研究人员拥有中国教育背景。蔡崇信分享了一个有趣的现象：Meta的AI团队内部甚至常因大家都在说中文，让非中文员工感到“懵圈”。
This is the first time Chinese language is an advantage... （这是中文第一次在科技领域成为一种天然的沟通优势。）
底牌四：算力受美国政府的极大限制反而逼出系统级创新。美国有充沛的GPU资源，而中国没有。但这反而创造了一种“饥饿优势”（Advantage of Starvation）。
When you don't have a lot of resources, you are forced to innovate at the systems level... （当你资源不足时，你被迫在系统层面进行创新。）
为了在有限硬件下训练万亿参数模型，中国团队必须将系统效率优化到极致。DeepSeek（深度求索）就是典型的例子，而在最近的一次加密货币和股票交易的AI竞赛中，阿里的通义千问（Qwen）第一，DeepSeek排名第二。
蔡崇信对同城的DeepSeek评价极高：“他们在做令人难以置信的事情。”
二、开源为什么会赢：成本、主权、隐私的三重逻辑
关于“开源 vs 闭源”的路线之争，蔡崇信给出了明确判断：开源模型终将击败闭源。
这并非单纯的技术优劣，而是因为开源更符合全球大多数用户的利益。他以“沙特阿拉伯，想发展AI，但又想保持AI主权（sovereign AI）”为一个例子，阐述了其中的商业逻辑：
🔹 闭源路径（如OpenAI）： 付费昂贵，且必须将数据输入黑箱（Black Box），存在数据主权风险。
🔹 开源路径（如阿里Qwen）： 免费下载，部署在私有云上。数据完全可控，成本极低。
只要政府和企业进行理性的成本效益分析（Cost-benefit Analysis），开源都是更优解。
那阿里怎么赚钱？
蔡崇信说得很坦白："我们不靠AI赚钱。"
阿里的商业模式：“我们不靠卖模型赚钱，我们靠云计算。”蔡崇信坦言，开源模型是流量入口，而随之产生的存储、安全、容器化等云基础设施需求，才是利润来源。这正如早期的互联网：产品免费获客，增值服务变现。
三、阿里进化论：技术自主是“逼”出来的
当被问及阿里如何从电商公司进化为云计算巨头时，蔡崇信的回答非常朴素：“没有秘诀，只是跟着客户需求走。”
🔹 B2B时代：为解决入世后中小企业的出口需求。
🔹 淘宝/支付宝：为解决C端交易中的信任问题。
🔹 阿里云：为解决海量数据处理的成本问题。16年前，如果继续使用Dell、EMC、Oracle的传统IT设施，阿里的利润将被抽干。
We developed cloud computing really out of necessity... out of the need to become self-reliant in technology...（我们发展云计算完全是出于必要，出于对技术自主可控的渴望。）
所以阿里云的起点是“自己吃自己的狗粮”（eat our own dog food）：先内部用，用好了再开放给外部客户。
给创业者的建议： 优先选择有机增长（Organic Development）而非并购。自己团队生长出的能力，DNA更纯正，文化更契合。
四、给年轻人的锦囊：思维比技能更重要
在问答环节，蔡崇信针对个人成长给出了高密度的建议：
1，技能层面：学会提问
AI时代，获取答案变得容易。因此提出正确的问题（Ask the right questions）比找到答案更重要。同时，要建立独立的分析框架，而非死记硬背。
2，编程层面：重在逻辑
即使自然语言可以指挥机器，依然要学编程。哪怕是学好Excel公式，也是极佳的逻辑训练。
The purpose is not to actually operate a machine. The purpose is going through that thinking process... （学编程的目的不是为了操作机器，而是为了训练严谨的逻辑思维过程。）
3，专业选择：三个潜力方向
🔹 数据科学（Data Science）：随着数据爆炸，懂得管理和分析数据的人才永远稀缺。
🔹 心理学/生物学：人脑是效能最高的机器，理解人脑是理解AI的捷径。
🔹 材料科学：这是一个由比特（Bits）主导的世界，但限制比特速度的是原子（Atoms）。半导体未来会有大量创新和突破，其核心在于材料。
五、风险与泡沫：金融人的视角
1，职业选择：不对称风险
蔡崇信回顾1999年放弃百万年薪加入阿里的决定，将其形容为“不对称风险收益”（Asymmetric Risk-reward）： 下行风险有限（最差回去做律师），上行空间无限（像看涨期权）。
他强调：“机会是来找你的，你要做的是时刻准备好（Preparedness）。”
2，AI泡沫：区分金融与技术
现在的AI像2000年的互联网吗？蔡崇信建议区分两种泡沫：
🔹 金融泡沫：估值可能过高，这很难评判。
🔹 技术泡沫：技术本身是真实的。就像2000年股市崩盘并未抹杀互联网的存在一样，今天投入的所有AI基础设施和模型研发，都不会打水漂，它们是通向未来的基石。
六，三个最核心的洞察
Q1：中国AI的真正优势是什么？
不是模型本身，而是让AI被广泛使用的整个生态系统。电力成本低40%、数据中心建设成本低60%、全球一半AI人才有中国学历、资源匮乏逼出系统级创新。这些加在一起，让中国更有可能实现AI的大规模普及。而普及率才是真正的计分板。
Q2：为什么开源模式会赢？
因为对全球大多数用户来说，开源同时解决了成本、数据主权和隐私三个问题。闭源模型要付费，数据要喂进黑箱；开源模型免费，数据可以留在本地。这不是技术优劣之争，是利益格局使然。
Q3：年轻人应该怎么为AI时代做准备？
学编程不是为了写代码，而是训练逻辑思维；学统计（数据科学）是因为数据会爆炸；学心理学是因为要理解人脑这个最高效的"机器"；学材料科学是因为让比特跑得更快的是原子。更重要的是，学会提出正确的问题，这比找到答案更有价值。 November 11, 2025
2RP
纳瓦尔更新了最新一期的博客，主题是关于招聘和团队建设。听完之后，脑子里一直回响着一句话：你招的不是员工，你在策展一群天才。
这个视角很新鲜，也很残酷。
1
招聘是唯一不能外包的事
纳瓦尔开门见山就抛出一个观点：创始人可以授权一切，除了四件事——招聘、融资、战略和产品愿景。
其中招聘最重要。
为什么？
因为早期员工就是公司的 DNA。你招进来的前 10 个、前 20 个人，他们的基因会被复制到整个组织。如果你在早期阶段外包了招聘，让 HR 或者猎头代劳,那基本上意味着你已经不再直接驾驶这家公司了。
纳瓦尔说得很直白：当公司开始有了中层管理，当创始人不再直接招聘和管理每一个人的时候，公司就已经变味了。
这听起来有点极端，但仔细想想确实如此。
很多创始人以为招聘可以外包一部分，比如让 HR 筛简历，让猎头推荐候选人。但纳瓦尔认为，连 sourcing（寻找候选人）都很难外包。因为招聘需要极大的创造力，你必须打破常规才能找到真正的人才。
如果你按照标准流程招人，你得到的就是标准化的、可替换的人才。这样的团队没办法做出独特的产品。
2
天才只想和天才共事
纳瓦尔提出了一个很有意思的测试方法。
当你要招一个新人的时候,你应该能够对他说：走进那个房间，里面坐着你未来的同事。你随便挑一个人，拉到一边聊 30 分钟。如果你对他们不满意，就别加入我们。
这个测试很简单,但很致命。
因为当你真的让候选人这么做的时候，你心里一定会有那么一两个人，你希望他们别被抽到。那个让你心虚的人，就是你应该让他离开的人。
为什么？
因为最优秀的人只想和最优秀的人共事。跟能力不如自己的人一起工作，对他们来说是一种认知负担。他们会觉得自己待错了地方，应该去别的公司，或者干脆自己创业。
顶尖团队是相互激励的。大家都在努力让彼此刮目相看。如果团队里有一个明显拖后腿的人，整个氛围就会被破坏。
这也解释了为什么很多创业公司在早期发展得很快，但到了一定规模就停滞不前。往往就是因为在扩张过程中，为了快速招人，降低了标准。
3
你永远招不到比你更好的人
这是纳瓦尔说的另一个扎心的真相。
很多管理书籍会告诉你：要招比你更优秀的人。但纳瓦尔认为，这根本不现实，至少在早期阶段不现实。
为什么？
因为早期阶段，你能提供给候选人的，就只有你自己。没有成熟的产品，没有品牌，没有网络效应。如果你的水平不如对方，人家凭什么要为你工作？
优秀的人不会长期为不如自己的人打工。
所以，创始人的能力上限，就是公司早期阶段能招到的人才的上限。这也是为什么早期投资人会如此看重创始团队。他们不太关心你的早期进展，不太关心你的合作伙伴，甚至不太关心你的领域经验。他们只想看你有多优秀。
而证明你优秀的最直接方式，就是看你能招到什么样的人。
等公司做大了，有了品牌和产品，情况会有所不同。但在 0 到 1 的阶段，创始人就是公司能吸引人才的唯一理由。
4
招聘需要打破所有规则
纳瓦尔分享了他最近一家公司的经验。他说，他招到了职业生涯中最好的团队，但每一个人的招聘，都打破了某些传统规则。
有的人说通勤太远，他们想办法解决。有的人说要生孩子，他们也接受。有的人说期权行权成本太高，他们重新设计了股权结构。有的人还在读大学，他们也招进来了。
纳瓦尔的观点是：最优秀的人不是标准化的零件。他们是多面手，有独特的需求和想法。如果你想招到他们，你必须愿意打破规则。
这包括薪资结构、股权分配、工作地点、工作时间、汇报关系、职位头衔等等。你要为每个真正优秀的人量身定制方案。
这也是为什么招聘不能外包。因为 HR 或者猎头不敢打破规则。他们怕违反公司政策，怕创始人不高兴。但创始人可以。创始人有权力也有责任去打破那些阻碍你招到天才的规则。
5
低自我的重要性
纳瓦尔提到了一个很多人忽略的特质：低自我（low ego）。
巴菲特说过，招人要看三点：智慧、精力、正直。纳瓦尔在此基础上加了一条：低自我。
为什么？
因为低自我的人更容易管理。他们不会把太多精力花在内部政治和争夺功劳上。他们更关心把事情做好，做得漂亮。
纳瓦尔说，你可能只能管理 5 个高自我的人，因为你要不断安抚他们的情绪。但你可以管理 30 到 40 个低自我的人，因为他们不需要那么多关注。
这对于小团队来说尤其重要。早期创业公司资源有限，创始人的时间更是宝贵。如果你把大量时间花在处理团队内部矛盾上，就没时间做产品了。
低自我的人还有一个好处：他们更愿意接受反馈，更愿意承认错误，更愿意快速迭代。这些特质对于一个需要不断试错的创业团队来说，太重要了。
6
工程师也是艺术家
纳瓦尔有一个观点让我印象很深刻：每一个伟大的工程师，同时也是艺术家。
他对艺术的定义很宽泛。不是说你要会画画或者弹琴，那是狭义的艺术。广义的艺术是指：为了某件事本身而去做，并且做到极致，在这个过程中创造出美感或者强烈的情感。
这个观点让我想起了一本书《黑客与画家》。
很多工程师是内向的。他们不擅长直接表达自己，所以会通过作品来表达。纳瓦尔说，他现在公司里至少一半的工程师，都有自己的艺术作品。有人做过优雅的数学证明，有人创作计算机艺术，有人做雕塑、设计衣服、设计门把手。
这些人对美有追求，对细节有执念。他们不只是想把代码写出来，他们想把代码写得漂亮。
纳瓦尔的合伙人认为，最高级的艺术形式是工业设计。比如苹果的 AirPods。那些优雅的曲线、令人满意的咔嗒声、藏起来的按钮、隐形的电池、完美贴合耳朵的设计，这些都是艺术与工程的完美结合。
苹果之所以成功，就是因为它是一家由工程师艺术家组成的公司。他们真心在乎产品的每一个细节。用户能感受到这份用心。
7
策展比创造更重要
纳瓦尔在 2025 年发了一条推特：创业公司的工作，就是找到未被发现的人才，并把他们提炼成产品。
关键词是"未被发现"。
如果一个人的才华已经被广泛认可，那你很难招到他，因为所有人都想要他。你必须在别人发现之前就找到这些人。
怎么找？
马斯克是这方面的大师。他的方法是：第一，选一个足够大、足够激动人心的使命。第二，尽早行动。
比如 SpaceX。Elon 在太空探索还不酷的时候就开始做了。那时候大家都觉得民营公司做火箭是天方夜谭。但正因如此，他能从 NASA、波音、洛克希德和各大学招到最好的航天工程师，因为那时候竞争还不激烈。
如果你做的是一个已经很拥挤的领域，你就要更有创意。纳瓦尔的合伙人喜欢找那些做奇怪项目的人。不是主流的 AI 模型训练，而是用冷门的机器学习算法做微气象预测这种偏门领域。
他会花一两天时间研究对方的 GitHub 和论文，真正理解他们在做什么。然后提出一个深思熟虑的问题，或者写一小段代码作为补充。
这种方式很有效，因为那些在角落里独自钻研的人，突然发现有人真正理解他们的工作，会很兴奋。
最妙的是，纳瓦尔的合伙人不是为了招人才这么做。他本来就喜欢研究这些东西。招人只是副产品。
这种真诚是装不出来的。
8
早期团队要有点像邪教
纳瓦尔说了一个可能会引起争议的观点：早期团队看起来确实有点像邪教。
他们是单一目标驱动的，有点偏执，有点怪。但这些人的怪是同一个方向的怪。
如果你在早期就追求多元化，追求各种不同背景、不同想法的人，你会发现大家整天在争论基本问题，根本没法推进工作。
早期阶段，你需要所有人在核心问题上已经达成共识。大家不需要讨论为什么要做这件事，只需要讨论怎么把它做得更好。
纳瓦尔引用了一个匿名创始人的话：早期创业公司最不需要的就是所谓的多样性。你需要的是单一文化，是一群在核心信念上高度一致的人。
这不是说你要歧视任何人。这只是说，在 0 到 1 的阶段，一致性比多样性更重要。等公司做大了，有了稳固的产品和文化，再去追求多样性也不迟。
伟大的创始人在外界看来可能很随和，但其实都是高度主观、近乎独裁的。他们对产品有极强的个人意见。好的产品都是主观的。它有明确的取舍，知道什么该做、什么不该做。
如果你没有强烈的观点，你就会做出一个大杂烩，一个充满互相矛盾功能的产品。
9
只招天才
纳瓦尔和他的合伙人在最新的公司里定了一个标准：只招天才。
这听起来很傲慢，但它确实设定了一个极高的门槛。
当你有了这个标准，你就会环顾四周，问自己：谁不是天才？如果有人不是，要么是你还没到需要大规模扩张的阶段，那你就应该让这个人离开。要么是你已经进入了需要规模化的阶段，那你就要接受团队不可能全是天才的现实。
纳瓦尔说，如果你能招到一个天才，你就已经很幸运了。按照这个速度，考虑到员工的流动率，你最多也就能组建一个 30 到 50 人的公司。但哪怕只有 10 个天才，你也远远领先于大多数公司。
他还补充说，其实每个人都有自己的天才区域。你要找的是那些已经找到自己天才区域的人，或者至少有潜力找到的人。
这个标准很难坚持，因为招人的压力很大。业务在发展，事情越来越多，你会忍不住降低标准，先招个人进来填补空缺。
但这是最危险的。因为一旦你招错了人，整个团队的基因就被稀释了。 November 11, 2025
1RP
蔡崇信港大演讲深度复盘：中国AI的四张底牌，以及被误读的所谓“赢家规则”
笔者注：11月5日，香港大学经管学院主办“陈坤耀杰出学人讲座”，以“前瞻十年：推动中国经济增长的科创引擎”为题进行对谈，邀请了阿里巴巴集团联合创始人及主席蔡崇信先生分享创新，科技及人工智能如何重塑商业格局并驱动中国经济长期增长。活动在港大陆佑堂举行，据主办方透露，这场演讲报名史上最火爆，邮件发出两小时内报名人数已经突破1200人。。。
从某种意义上来说，这也算是一种历史的呼应。17年前，马云曾站在同一个舞台上演讲。。。而在这次与港大副校长邓希炜教授的深度对谈中，蔡崇信抛开客套，直击中美AI竞赛的核心，剖析了阿里的商业进化论，并为年轻人给出了极具穿透力的建议。。。
以下摘录来源于至顶科技高飞。
一、重定义AI竞赛：中国手握“四张底牌”
蔡崇信开场便抛出一个反直觉的观点：美国人定义的AI竞赛规则，可能是错的。
目前的“美式计分板”只看谁的大语言模型（LLM）更强，今天是OpenAI，明天是Anthropic，后天是Gemini；但在蔡崇信看来，这种评价体系本身就有问题。
1，真正的赢家逻辑：渗透率 > 模型参数
The winner is not about who has the best model... The winner is about who could use it the best in their own industries, in their own lives... （赢家不是看谁模型最好，而是看谁在自己的行业和生活中用得最好。）
AI的真正价值在于渗透率（Penetration Rate）。相比于追求参数的无限堆叠，中国政府的AI规划显得更为务实：目标到2030年，AI代理和设备的渗透率达到90%。不讲玄学，只讲普及。
2，中国为何能普及更快？四张系统级底牌
为了支撑这一普及率，蔡崇信列出了中国拥有的四项关键优势：
底牌一：电力成本优势（低40%）。训练和推理本质上是能源消耗战。得益于15年前启动的特高压输电网络建设（“西电东送”等），中国国家电网每年的资本支出高达900亿美元，是美国的3倍。这使得中国的电力装机容量不仅是美国的2.6倍，新增容量更是美国的9倍。
底牌二：基建红利（低60%）。在中国建设数据中心的成本比美国低60%。这仅仅是基础设施的成本，尚未计算芯片等硬件。
底牌三：工程师红利与语言优势。全球约一半的AI科学家和研究人员拥有中国教育背景。蔡崇信分享了一个有趣的现象：Meta的AI团队内部甚至常因大家都在说中文，让非中文员工感到“懵圈”。
This is the first time Chinese language is an advantage... （这是中文第一次在科技领域成为一种天然的沟通优势。）
底牌四：算力受美国政府的极大限制反而逼出系统级创新。美国有充沛的GPU资源，而中国没有。但这反而创造了一种“饥饿优势”（Advantage of Starvation）。
When you don't have a lot of resources, you are forced to innovate at the systems level... （当你资源不足时，你被迫在系统层面进行创新。）
为了在有限硬件下训练万亿参数模型，中国团队必须将系统效率优化到极致。DeepSeek（深度求索）就是典型的例子，而在最近的一次加密货币和股票交易的AI竞赛中，阿里的通义千问（Qwen）第一，DeepSeek排名第二。
蔡崇信对同城的DeepSeek评价极高：“他们在做令人难以置信的事情。”
二、开源为什么会赢：成本、主权、隐私的三重逻辑
关于“开源 vs 闭源”的路线之争，蔡崇信给出了明确判断：开源模型终将击败闭源。
这并非单纯的技术优劣，而是因为开源更符合全球大多数用户的利益。他以“沙特阿拉伯，想发展AI，但又想保持AI主权（sovereign AI）”为一个例子，阐述了其中的商业逻辑：
🔹 闭源路径（如OpenAI）： 付费昂贵，且必须将数据输入黑箱（Black Box），存在数据主权风险。
🔹 开源路径（如阿里Qwen）： 免费下载，部署在私有云上。数据完全可控，成本极低。
只要政府和企业进行理性的成本效益分析（Cost-benefit Analysis），开源都是更优解。
那阿里怎么赚钱？
蔡崇信说得很坦白："我们不靠AI赚钱。"
阿里的商业模式：“我们不靠卖模型赚钱，我们靠云计算。”蔡崇信坦言，开源模型是流量入口，而随之产生的存储、安全、容器化等云基础设施需求，才是利润来源。这正如早期的互联网：产品免费获客，增值服务变现。
三、阿里进化论：技术自主是“逼”出来的
当被问及阿里如何从电商公司进化为云计算巨头时，蔡崇信的回答非常朴素：“没有秘诀，只是跟着客户需求走。”
🔹 B2B时代：为解决入世后中小企业的出口需求。
🔹 淘宝/支付宝：为解决C端交易中的信任问题。
🔹 阿里云：为解决海量数据处理的成本问题。16年前，如果继续使用Dell、EMC、Oracle的传统IT设施，阿里的利润将被抽干。
We developed cloud computing really out of necessity... out of the need to become self-reliant in technology...（我们发展云计算完全是出于必要，出于对技术自主可控的渴望。）
所以阿里云的起点是“自己吃自己的狗粮”（eat our own dog food）：先内部用，用好了再开放给外部客户。
给创业者的建议： 优先选择有机增长（Organic Development）而非并购。自己团队生长出的能力，DNA更纯正，文化更契合。
四、给年轻人的锦囊：思维比技能更重要
在问答环节，蔡崇信针对个人成长给出了高密度的建议
：
1，技能层面：学会提问
AI时代，获取答案变得容易。因此提出正确的问题（Ask the right questions）比找到答案更重要。同时，要建立独立的分析框架，而非死记硬背。
2，编程层面：重在逻辑
即使自然语言可以指挥机器，依然要学编程。哪怕是学好Excel公式，也是极佳的逻辑训练。
The purpose is not to actually operate a machine. The purpose is going through that thinking process... （学编程的目的不是为了操作机器，而是为了训练严谨的逻辑思维过程。）
3，专业选择：三个潜力方向
🔹 数据科学（Data Science）：随着数据爆炸，懂得管理和分析数据的人才永远稀缺。
🔹 心理学/生物学：人脑是效能最高的机器，理解人脑是理解AI的捷径。
🔹 材料科学：这是一个由比特（Bits）主导的世界，但限制比特速度的是原子（Atoms）。半导体未来会有大量创新和突破，其核心在于材料。
五、风险与泡沫：金融人的视角
1，职业选择：不对称风险
蔡崇信回顾1999年放弃百万年薪加入阿里的决定，将其形容为“不对称风险收益”（Asymmetric Risk-reward）： 下行风险有限（最差回去做律师），上行空间无限（像看涨期权）。
他强调：“机会是来找你的，你要做的是时刻准备好（Preparedness）。”
2，AI泡沫：区分金融与技术
现在的AI像2000年的互联网吗？蔡崇信建议区分两种泡沫：
🔹 金融泡沫：估值可能过高，这很难评判。
🔹 技术泡沫：技术本身是真实的。就像2000年股市崩盘并未抹杀互联网的存在一样，今天投入的所有AI基础设施和模型研发，都不会打水漂，它们是通向未来的基石。
六，三个最核心的洞察
Q1：中国AI的真正优势是什么？
不是模型本身，而是让AI被广泛使用的整个生态系统。电力成本低40%、数据中心建设成本低60%、全球一半AI人才有中国学历、资源匮乏逼出系统级创新。这些加在一起，让中国更有可能实现AI的大规模普及。而普及率才是真正的计分板。
Q2：为什么开源模式会赢？
因为对全球大多数用户来说，开源同时解决了成本、数据主权和隐私三个问题。闭源模型要付费，数据要喂进黑箱；开源模型免费，数据可以留在本地。这不是技术优劣之争，是利益格局使然。
Q3：年轻人应该怎么为AI时代做准备？
学编程不是为了写代码，而是训练逻辑思维；学统计（数据科学）是因为数据会爆炸；学心理学是因为要理解人脑这个最高效的"机器"；学材料科学是因为让比特跑得更快的是原子。更重要的是，学会提出正确的问题，这比找到答案更有价值。 November 11, 2025
コメントありがとうございます。
“べつに隠してどうするのよ。
厚労省資料見れば誰でもわかることを”←それは私がお聞きしたいですね。元のポストでは子宮頸がんと表に書いてあるだけの切り抜き。あれじゃあ誰が書いたもわからない表です。プレゼンをもう少し上手くなった方がいいと思います
“これから子宮頸がんになった人全員に接種歴聞いたら面白いことになりますよね。”←面白いこと、とはなんでしょう。命や未来がかかっていることのに面白いこととは？ 貴方様は本当に誰かの健康のために活動しているのですか？
ただ、接種歴聞くこと自体は必要かもしれませんね。貴方様の思い通りの結果がでるかどうかは別として
“ていうか、前がん病変を予防するなんて大嘘言ってるんだから、前がん病変発症した人全員に接種歴聞いて、予防できてないことを証明しなくてはね。”←大嘘という貴方様の判断が妥当かどうかどうやって担保するんでしょうか。アンダーライン引いてますが、医学的事実と異なる回答をする可能性のある患者向けアンケートをもとに断定することに私は違和感がありますね。
“厚労省の副反応検討部会の資料はこちら
みなさーん。
自分でこのワクチンの恐ろしさを調べてみよう！
”←調べることは大切ですね。で、なぜ副反応の報告件数の切り抜きを貴方様は載せないのでしょうね。大切な情報ではないですか？ 一応貴方様に聞きますね。当該資料において発売開始からの接種可能延べ人数と医療機関からの報告数はいくつですか？ 答えはスクショしておきますが。
“打つ人みんなに見てもらいましょうのよ。
打つ前に考えてもらうのはどうですか？”←見せますよ、少なくとも数年後の我が子に。もちろん子宮頸がんがどれだけ大変な病気かという実際も合わせて。
“そしてこれ、裁判では
ぜんぶ心因性だそうですよ。”←誰が『全て』と言いましたか？ そういうところですよ、貴方様の誠実さを感じさせないところは。ご自覚なさった方がいいですよ。そうした方がまだ発言に重みがでます。惣じて下手なんですよ、私からしたら。そうやって尾ヒレはヒレをつけるから、どれも貴方様の発信は薄っぺらく私からしたら見えるのです。
“どうやったら心因性で子宮頸がんになるんです？
”←もしかして裁判のケースですか？ そのケースでは子宮頸がんについて言及はなかったように思いますよ。たぬきち先生のレポートちゃんと読んでますか？ まさかこのワクチンのことを語るに見てないわけないですよね？ もし見てないようなら私からしたらあまりに勉強不足、手抜きですね。
子宮頸がんという重篤副反応、とうとう多量に出て来ましたねー。←切り抜きだけで語られても。その情報元のURLリンクを貼ったら如何ですか。下手ですよ。
“もともと海外でも接種後の子宮頸がんは問題でしたし死亡例もあります。
この子は接種後、子宮頸がんで死亡。”←ですからリンクを貼りましょう。手抜きせずに。
意図的に隠す？
あんたらですよね。←あんたら、とは誰のことですか？“黒塗りで隠したがるのは”←私は隠してないですね。交流の相手を私ではなく、他の誰かとごっちゃにしてみているようですね。そんな相手のことも区別できない認識能力・情緒で扱っていい問題ではないように思いますね。少しネットから離れた方が良いかと私は思います。
“子供にウイルスのDNA を打ってますよね。汚染されてますよね？”←その認識の妥当性はどうやって担保してますか？
“打つ人にきちんと説明してます？”←してますね。 November 11, 2025
姉が「酔える為と食欲促進の為に飲んでる。数杯飲んだ今でも意識はハッキリしてる」と言ってて驚いた。飲酒した上で分析出来る脳みそとアルコール摂取してお腹も下してないのがすごい。これが同一の母胎から出ていてDNAで見れば極めて近しい個体なんだから生物とは本当に分からない。 November 11, 2025
寒くなってきました。
火を見ているとなぜか安らぎます。
自分の中にある、何万年も前からの人類の経験のDNAがそう感じさせているのかもしれないとよく思います🙂 https://t.co/8bMV5KQHGL November 11, 2025
@sDRiqNRX3adMLde @airi_fact_555 DNAが同じかも🧬😂
さっき情報7days見てたけど中国人が韓国でどこでも💩とか話声がうるさいとか
禁煙の店で平気でタバコを吸うコンビニかな食べたカップ麺のゴミをそのままにするって詳しく放送してた
倭国でも同じ事してるのに何故か今まで倭国の事は話題にならなかったよね不思議 November 11, 2025
@okayu_pos 「ホテルよりキッチン付き」＝ボーイスカウトの血が騒いでる証拠です！！
テント張って焚き火して飯盒炊爨したくなるDNAが暴走してるｗｗｗ
かゆさん、もう諦めて「家族キャンプ旅行」に改名しましょう😂🏕️💙 November 11, 2025
初めてKPOP好きになった時、全く別ジャンルで出会ったフォロワーさんがKPOP入門講座（？）とスパショ鑑賞会を開いてくれたんだけど、Uを初めて聴いた瞬間この曲DNAが知ってますってなったの覚えてる November 11, 2025
@kinzanji0318 ひろやんさん、なんでか怒りが頭の中で変換されると、任侠映画みたいなセリフが浮かんで来ちゃうんです😳💦
母が関西地方なのでDNAがそうさせるのかもです😂
ただ…怒りが最高潮に達すると、べらんめぇ口調になります🫣 November 11, 2025
蔡崇信港大演讲深度复盘：中国AI的四张底牌，以及被误读的所谓“赢家规则”
Joe Tsai's HKU Speech: The Four AI Advantages of China and the Misunderstood So-Called "Winner's Rule"
笔者注：11月5日，香港大学经管学院主办“陈坤耀杰出学人讲座”，以“前瞻十年：推动中国经济增长的科创引擎”为题进行对谈，邀请了阿里巴巴集团联合创始人及主席蔡崇信先生分享创新，科技及人工智能如何重塑商业格局并驱动中国经济长期增长。活动在港大陆佑堂举行，据主办方透露，这场演讲报名史上最火爆，邮件发出两小时内报名人数已经突破1200人。。。
从某种意义上来说，这也算是一种历史的呼应。17年前，马云曾站在同一个舞台上演讲。。。而在这次与港大副校长邓希炜教授的深度对谈中，蔡崇信抛开客套，直击中美AI竞赛的核心，剖析了阿里的商业进化论，并为年轻人给出了极具穿透力的建议。。。
以下摘录来源于至顶科技高飞。
一、重定义AI竞赛：中国手握“四张底牌”
蔡崇信开场便抛出一个反直觉的观点：美国人定义的AI竞赛规则，可能是错的。
目前的“美式计分板”只看谁的大语言模型（LLM）更强，今天是OpenAI，明天是Anthropic，后天是Gemini；但在蔡崇信看来，这种评价体系本身就有问题。
1，真正的赢家逻辑：渗透率 > 模型参数
The winner is not about who has the best model... The winner is about who could use it the best in their own industries, in their own lives... （赢家不是看谁模型最好，而是看谁在自己的行业和生活中用得最好。）
AI的真正价值在于渗透率（Penetration Rate）。相比于追求参数的无限堆叠，中国政府的AI规划显得更为务实：目标到2030年，AI代理和设备的渗透率达到90%。不讲玄学，只讲普及。
2，中国为何能普及更快？四张系统级底牌
为了支撑这一普及率，蔡崇信列出了中国拥有的四项关键优势：
底牌一：电力成本优势（低40%）。训练和推理本质上是能源消耗战。得益于15年前启动的特高压输电网络建设（“西电东送”等），中国国家电网每年的资本支出高达900亿美元，是美国的3倍。这使得中国的电力装机容量不仅是美国的2.6倍，新增容量更是美国的9倍。
底牌二：基建红利（低60%）。在中国建设数据中心的成本比美国低60%。这仅仅是基础设施的成本，尚未计算芯片等硬件。
底牌三：工程师红利与语言优势。全球约一半的AI科学家和研究人员拥有中国教育背景。蔡崇信分享了一个有趣的现象：Meta的AI团队内部甚至常因大家都在说中文，让非中文员工感到“懵圈”。
This is the first time Chinese language is an advantage... （这是中文第一次在科技领域成为一种天然的沟通优势。）
底牌四：算力受美国政府的极大限制反而逼出系统级创新。美国有充沛的GPU资源，而中国没有。但这反而创造了一种“饥饿优势”（Advantage of Starvation）。
When you don't have a lot of resources, you are forced to innovate at the systems level... （当你资源不足时，你被迫在系统层面进行创新。）
为了在有限硬件下训练万亿参数模型，中国团队必须将系统效率优化到极致。DeepSeek（深度求索）就是典型的例子，而在最近的一次加密货币和股票交易的AI竞赛中，阿里的通义千问（Qwen）第一，DeepSeek排名第二。
蔡崇信对同城的DeepSeek评价极高：“他们在做令人难以置信的事情。”
二、开源为什么会赢：成本、主权、隐私的三重逻辑
关于“开源 vs 闭源”的路线之争，蔡崇信给出了明确判断：开源模型终将击败闭源。
这并非单纯的技术优劣，而是因为开源更符合全球大多数用户的利益。他以“沙特阿拉伯，想发展AI，但又想保持AI主权（sovereign AI）”为一个例子，阐述了其中的商业逻辑：
🔹 闭源路径（如OpenAI）： 付费昂贵，且必须将数据输入黑箱（Black Box），存在数据主权风险。
🔹 开源路径（如阿里Qwen）： 免费下载，部署在私有云上。数据完全可控，成本极低。
只要政府和企业进行理性的成本效益分析（Cost-benefit Analysis），开源都是更优解。
那阿里怎么赚钱？
蔡崇信说得很坦白："我们不靠AI赚钱。"
阿里的商业模式：“我们不靠卖模型赚钱，我们靠云计算。”蔡崇信坦言，开源模型是流量入口，而随之产生的存储、安全、容器化等云基础设施需求，才是利润来源。这正如早期的互联网：产品免费获客，增值服务变现。
三、阿里进化论：技术自主是“逼”出来的
当被问及阿里如何从电商公司进化为云计算巨头时，蔡崇信的回答非常朴素：“没有秘诀，只是跟着客户需求走。”
🔹 B2B时代：为解决入世后中小企业的出口需求。
🔹 淘宝/支付宝：为解决C端交易中的信任问题。
🔹 阿里云：为解决海量数据处理的成本问题。16年前，如果继续使用Dell、EMC、Oracle的传统IT设施，阿里的利润将被抽干。
We developed cloud computing really out of necessity... out of the need to become self-reliant in technology...（我们发展云计算完全是出于必要，出于对技术自主可控的渴望。）
所以阿里云的起点是“自己吃自己的狗粮”（eat our own dog food）：先内部用，用好了再开放给外部客户。
给创业者的建议： 优先选择有机增长（Organic Development）而非并购。自己团队生长出的能力，DNA更纯正，文化更契合。
四、给年轻人的锦囊：思维比技能更重要
在问答环节，蔡崇信针对个人成长给出了高密度的建议：
1，技能层面：学会提问
AI时代，获取答案变得容易。因此提出正确的问题（Ask the right questions）比找到答案更重要。同时，要建立独立的分析框架，而非死记硬背。
2，编程层面：重在逻辑
即使自然语言可以指挥机器，依然要学编程。哪怕是学好Excel公式，也是极佳的逻辑训练。
The purpose is not to actually operate a machine. The purpose is going through that thinking process... （学编程的目的不是为了操作机器，而是为了训练严谨的逻辑思维过程。）
3，专业选择：三个潜力方向
🔹 数据科学（Data Science）：随着数据爆炸，懂得管理和分析数据的人才永远稀缺。
🔹 心理学/生物学：人脑是效能最高的机器，理解人脑是理解AI的捷径。
🔹 材料科学：这是一个由比特（Bits）主导的世界，但限制比特速度的是原子（Atoms）。半导体未来会有大量创新和突破，其核心在于材料。
五、风险与泡沫：金融人的视角
1，职业选择：不对称风险
蔡崇信回顾1999年放弃百万年薪加入阿里的决定，将其形容为“不对称风险收益”（Asymmetric Risk-reward）： 下行风险有限（最差回去做律师），上行空间无限（像看涨期权）。
他强调：“机会是来找你的，你要做的是时刻准备好（Preparedness）。”
2，AI泡沫：区分金融与技术
现在的AI像2000年的互联网吗？蔡崇信建议区分两种泡沫：
🔹 金融泡沫：估值可能过高，这很难评判。
🔹 技术泡沫：技术本身是真实的。就像2000年股市崩盘并未抹杀互联网的存在一样，今天投入的所有AI基础设施和模型研发，都不会打水漂，它们是通向未来的基石。
六，三个最核心的洞察
Q1：中国AI的真正优势是什么？
不是模型本身，而是让AI被广泛使用的整个生态系统。电力成本低40%、数据中心建设成本低60%、全球一半AI人才有中国学历、资源匮乏逼出系统级创新。这些加在一起，让中国更有可能实现AI的大规模普及。而普及率才是真正的计分板。
Q2：为什么开源模式会赢？
因为对全球大多数用户来说，开源同时解决了成本、数据主权和隐私三个问题。闭源模型要付费，数据要喂进黑箱；开源模型免费，数据可以留在本地。这不是技术优劣之争，是利益格局使然。
Q3：年轻人应该怎么为AI时代做准备？
学编程不是为了写代码，而是训练逻辑思维；学统计（数据科学）是因为数据会爆炸；学心理学是因为要理解人脑这个最高效的"机器"；学材料科学是因为让比特跑得更快的是原子。更重要的是，学会提出正确的问题，这比找到答案更有价值。 November 11, 2025
爆アゲ！感動ライブ！
Aぇ! groupのDVD観たけど、めちゃくちゃ良かった！ライブの熱気がすごくて、もう一回行きたくなっちゃったな。
Aぇ! group LIVE TOUR 2025 D.N.A (通常盤)(2枚組) [DVD]
https://t.co/EOGL8mheL3
#Aぇgroup
#DNATOUR
▽Amazon▽ PR November 11, 2025
先日開催した、「D･N･A2」キャラの好きなシーンのアンケート。
結果は僅差ではありますが、見事ことみちゃんが1位に輝きました🎖️
という事で今週は、DNA2・ことみの「アノ」シーンを、紹介したいと思います🤗
This is a SFW comic image. No nudity, no suggestive intent.
#DNA2 #高梨ことみ https://t.co/gDoP0OE5fQ https://t.co/z27CTaWJAJ November 11, 2025
オタ友と5ヶ月振り⁉️の鑑賞会！今年の現場を振り返りつつ、AぇDNA、トニちきゅとび、KAT-TUN(2008〜2010)、ストYOUNG OLD、スノRAYS、JUMP S say(MV)、H⁺、嵐じゃぽ、その他最近の歌番組のJUMPやスト辺りを見て、ベスアはシャッフルメドレーからリアタイ！今日も秒すぎた。次は元旦のJUMPにて〜✋💓 November 11, 2025
＜ポストの表示について＞
本サイトではXの利用規約に沿ってポストを表示させていただいております。ポストの非表示を希望される方はこちらのお問い合わせフォームまでご連絡下さい。こちらのデータはAPIでも販売しております。
倭人速報公式アカウント
