最近达沃斯论坛很热闹，重点看了Google DeepMind CEO Demis Hassabis的访谈，几个点非常有意思：
1、谷歌的技术自信回来了
Hassabis精神状态非常好，他觉得随着Gemini 3 和NanoBanana的发布，谷歌已经熬过了“Code Red”，重回巅峰。
Hassabis说他们现在内部已经适应了AI 的快，有点像创业、非常有能量。
在这个节点，他非常低调温和的秀了一把肌肉：过去十年现代AI 基石（比如 Transformer 架构、AlphaGo的深度强化学习），大多由Google和DeepMind发明，加上完整的技术栈（TPU、数据中心、云业务、产品矩阵），从第一性原理看Google应该领先。
2、关于中国AI
他认为西方对DeepSeek是大规模过度反应（massive overreaction）。
他承认DeepSeek确实impressive，证明了中国公司很有能力。还点名了字节，说字节跳动这样的公司实际上是最有能力的，现在可能只落后前沿6个月，而不是之前很多人认为的1-2年。
不过他也抛出了一个犀利的质疑：中国公司目前极其擅长“追赶”到前沿，而且越来越有能力做到这点。但我们还没有证明能够在前沿之外进行原创创新。
3、关于AGI路径
Hassabis 对同行的回应也很有意思，主打一个“温和地怼回去”：
- 回杨立昆（LeCun）：Transformer不能实现AGI。Hassabis说这明显不对，它已经极其有用了。但他承认单纯Scaling 不一定够，概率可能是50/50。而且还需要 1-5 个小突破。比如：世界模型、持续学习、 更好的推理能力、长期规划能力。
- 回Ilya Sutskever：scaling时代结束了，我们回到了研究时代。Hassabis说，我们从未离开研究时代。
- 回马斯克：“我们已经进入奇点”。Hassabis说“非常过早”。
这里说下世界模型，感觉Google 应该是主流 AI 实验室里最强调世界模型重要性的。Hassabis亲自参与Genie这个项目。他说自己花了大量时间研究机器人，认为距离突破还需18-24个月。硬件（特别是模仿人手的灵巧度）和算法（需要更少的数据、更强的鲁棒性）仍是瓶颈。
4、关于饭碗：不慌。
Dario 说5 年内淘汰 50% 白领，Hassabis觉得没那么快。
今年可能开始看到入门级岗位、实习类职位受影响的初步迹象。但大家也不用担心，大规模影响还需要更长时间，因为现在的 AI 是“锯齿状智能”，某些地方特别强，某些地方又很拉。
如果想把整个任务委托给AI代理，95%好是不够的，得100%都靠谱才能真正放手。所以大规模替代还早。
5、Hassabis的选择
Hassabis说他选Google是因为那里有植根 DNA的科学文化（董事会坐着图灵奖和诺贝尔奖得主）。他说应该通过行动和领导者动机来判断一家公司是否值得信任，这点我也很有感受。
比如他专门点名了字节跳动。大部分人提到字节在 AI 的地位，想到的都是流量优势、多模态数据积累。但字节其实不光是在大模型、芯片上重兵投入，连AI4S也踏踏实实做了很多年，技术布局全面向Google看齐。说实话，字节在LLM早期确实不算国内声量最大的。但以他们的资源，如果想走捷径，模型学DeepSeek、数据蒸Gemini和Claude，分数早就刷上去了。但他们没这样做，说实话也确实让我高看一眼。
还有，老特舌战群儒也挺精彩，就不在帖子写了。
m.youtube.com/watch?v=BbIaYF…
#Google #DemisHassabis #DeepMind #字节跳动 #AI大模型 #DeepSeek #算法工程师 #LLM #世界模型
https://x.com/i/status/2014336294760194529
1、谷歌的技术自信回来了
Hassabis精神状态非常好，他觉得随着Gemini 3 和NanoBanana的发布，谷歌已经熬过了“Code Red”，重回巅峰。
Hassabis说他们现在内部已经适应了AI 的快，有点像创业、非常有能量。
在这个节点，他非常低调温和的秀了一把肌肉：过去十年现代AI 基石（比如 Transformer 架构、AlphaGo的深度强化学习），大多由Google和DeepMind发明，加上完整的技术栈（TPU、数据中心、云业务、产品矩阵），从第一性原理看Google应该领先。
2、关于中国AI
他认为西方对DeepSeek是大规模过度反应（massive overreaction）。
他承认DeepSeek确实impressive，证明了中国公司很有能力。还点名了字节，说字节跳动这样的公司实际上是最有能力的，现在可能只落后前沿6个月，而不是之前很多人认为的1-2年。
不过他也抛出了一个犀利的质疑：中国公司目前极其擅长“追赶”到前沿，而且越来越有能力做到这点。但我们还没有证明能够在前沿之外进行原创创新。
3、关于AGI路径
Hassabis 对同行的回应也很有意思，主打一个“温和地怼回去”：
- 回杨立昆（LeCun）：Transformer不能实现AGI。Hassabis说这明显不对，它已经极其有用了。但他承认单纯Scaling 不一定够，概率可能是50/50。而且还需要 1-5 个小突破。比如：世界模型、持续学习、 更好的推理能力、长期规划能力。
- 回Ilya Sutskever：scaling时代结束了，我们回到了研究时代。Hassabis说，我们从未离开研究时代。
- 回马斯克：“我们已经进入奇点”。Hassabis说“非常过早”。
这里说下世界模型，感觉Google 应该是主流 AI 实验室里最强调世界模型重要性的。Hassabis亲自参与Genie这个项目。他说自己花了大量时间研究机器人，认为距离突破还需18-24个月。硬件（特别是模仿人手的灵巧度）和算法（需要更少的数据、更强的鲁棒性）仍是瓶颈。
4、关于饭碗：不慌。
Dario 说5 年内淘汰 50% 白领，Hassabis觉得没那么快。
今年可能开始看到入门级岗位、实习类职位受影响的初步迹象。但大家也不用担心，大规模影响还需要更长时间，因为现在的 AI 是“锯齿状智能”，某些地方特别强，某些地方又很拉。
如果想把整个任务委托给AI代理，95%好是不够的，得100%都靠谱才能真正放手。所以大规模替代还早。
5、Hassabis的选择
Hassabis说他选Google是因为那里有植根 DNA的科学文化（董事会坐着图灵奖和诺贝尔奖得主）。他说应该通过行动和领导者动机来判断一家公司是否值得信任，这点我也很有感受。
比如他专门点名了字节跳动。大部分人提到字节在 AI 的地位，想到的都是流量优势、多模态数据积累。但字节其实不光是在大模型、芯片上重兵投入，连AI4S也踏踏实实做了很多年，技术布局全面向Google看齐。说实话，字节在LLM早期确实不算国内声量最大的。但以他们的资源，如果想走捷径，模型学DeepSeek、数据蒸Gemini和Claude，分数早就刷上去了。但他们没这样做，说实话也确实让我高看一眼。
还有，老特舌战群儒也挺精彩，就不在帖子写了。
m.youtube.com/watch?v=BbIaYF…
#Google #DemisHassabis #DeepMind #字节跳动 #AI大模型 #DeepSeek #算法工程师 #LLM #世界模型
https://x.com/i/status/2014336294760194529
X (formerly Twitter)
AI Dance (@AI_Whisper_X) on X
最近达沃斯论坛很热闹，重点看了Google DeepMind CEO Demis Hassabis的访谈，几个点非常有意思：
1、谷歌的技术自信回来了
Hassabis精神状态非常好，他觉得随着Gemini 3 和NanoBanana的发布，谷歌已经熬过了“Code Red”，重回巅峰。
Hassabis说他们现在内部已经适应了AI
1、谷歌的技术自信回来了
Hassabis精神状态非常好，他觉得随着Gemini 3 和NanoBanana的发布，谷歌已经熬过了“Code Red”，重回巅峰。
Hassabis说他们现在内部已经适应了AI
🚀Tesla“销量下滑”，股价却给出 1.5 万亿美元？市场不是疯了，而是你看错了赛道
如果你只看标题，现在的结论似乎已经写好了：
Tesla 卖不动了，BYD 赢麻了，故事结束。
2025 年，Tesla 交付量同比下滑约 8.5%；
Q4 交付 41.8 万辆，同比下降 15.6%。
这些数字是真的。
但问题是——
如果 Tesla 真在“输”，为什么市场依然给它 1.5 万亿美元的定价？
这不是一个情绪问题，而是一个认知问题。
市场并不是没看到销量下滑，
而是根本没把“卖车”当成核心变量。
如果你还在用“卖了多少辆车”来衡量 Tesla，
那你看的是后视镜，
而资本已经在看前方十年。
先说一个最反直觉的事实。
Tesla 当前的市盈率接近 279 倍。
对比一下：
Apple 30 倍，
Microsoft 35 倍，
NVIDIA 50 倍。
一家“卖车下滑”的公司，
为什么会被给到这种估值？
答案只有两个：
要么整个市场集体失智；
要么——市场在给一个“和汽车无关的东西”定价。
我选择相信第二个。
因为 Tesla 从来就不是一家“纯汽车公司”。
它是一家 AI 公司、
一家 能源公司、
一家 机器人公司。
汽车，只是现金流工具。
在今天这个阶段，车更像是：
•数据采集终端
•训练 AI 的传感器
•支撑其他业务的现金机器
甚至可以说，
车本身已经是副产品。
真正的护城河，藏在数据里。
每一辆 Tesla，都在为同一件事服务：
自动驾驶的数据飞轮。
你每开一公里，
Tesla 就多学一公里。
接管、成功决策、极端场景、施工路段、突发事件——
这些数据全部回传。
而且是全球同步发生。
截至目前，Tesla 已累计 70 亿英里真实驾驶数据。
而且这个数字每天都在增长。
按当前节奏，
到 2026 年中，数据量将接近 100 亿英里。
这是一个关键阈值。
因为在 AI 世界里，有一条铁律：
没有数据，再好的算法也没用。
你可以有最聪明的工程师、最强的算力，
但没有数据，结局就是失败。
而在这个维度上——
没有任何公司接近 Tesla。
不是 Waymo，
不是 Cruise，
不是任何中国公司。
差距不是 2 倍、5 倍，
而是数量级。
再看被严重忽视的另一条线：能源。
在所有媒体盯着汽车交付量时，
Tesla 的能源业务，正在悄悄完成蜕变。
2025 年，Tesla 能源部署 46.7 GWh，同比翻倍。
更夸张的是利润率：
Q4，能源业务毛利率 31.4%；
而汽车业务，只有 16.1%。
也就是说：
被唱衰的“主业”，利润率更低；
没人讨论的业务，反而成了真正的现金牛。
而且这不是短期现象。
AI 正在把全球能源需求推向一个极端状态。
数据中心、电力、储能，正在成为新的基础设施。
Microsoft 甚至考虑重启核电站，
只为了给 AI 供电。
谁能提供大规模、低成本、可复制的储能方案？
答案不复杂。
Tesla 的 Megapack，正在完美踩中这条曲线。
莱特定律正在重演：
产量翻倍，成本系统性下降。
能源业务本身，
就足以解释今天估值的一大块。
那 BYD 呢？
是的，BYD 在纯电销量上赢了。
这是事实。
但很少有人告诉你：
BYD 的毛利率已经降到 约 16%，
利润同比下滑 30%，
这是三年来第一次实质性下行。
他们在用利润换规模。
这是经典打法，
但也是一条注定拥挤的路。
更重要的是——
销量对比本身就是错的。
BYD 覆盖从低端到商用车；
Tesla 根本没打算去赢“销量冠军”。
这就像拿 Android 全阵营去对比 iPhone。
Android 卖得更多，
但利润是谁的，大家都知道。
Tesla 真正在押的，是三件事：
自动驾驶、机器人、能源系统。
而这些市场的规模，
不是“百万辆”，
而是万亿美元级别。
2025 年底，Tesla 已在奥斯汀启动无安全员自动驾驶测试。
前排无人，方向盘无人接管。
Robotaxi 正在真实运行。
不是 PPT，不是概念。
对比一下 Waymo：
约 3000 辆车，
每进一个城市都要重新建图。
而 Tesla：
年产能 200 万辆，
不需要建图，靠数据泛化。
200 倍规模差距。
这不是路线之争，
这是维度碾压。
所以，为什么市场给 Tesla 1.5 万亿美元？
因为市场看到的不是销量，
而是这些信号正在同时发生：
•无监督自动驾驶开始落地
•能源业务毛利率突破 30%
•Optimus 机器人进入工厂
•AI 从概念走向现实
如果你还在因为销量波动恐慌，
那说明你看的，是旧指标。
真正的比赛，早就换赛道了。
五年后，没有人会记得
2025 年谁卖得最多车。
但所有人都会记得：
谁赢得了自动驾驶，
谁赢得了机器人，
谁控制了能源基础设施。
而在这些真正决定未来的战场上，
Tesla，正在赢。
📬我会持续分享我对 $TSLA、AI、自动驾驶与能源趋势的长期判断。
如果你更关注“十年后的价值”，而不是“下个季度的标题”，欢迎订阅一起跟踪。
#Tesla #TSLA #AI #AutonomousDriving #Robotaxi #EnergyStorage #EV #BYD #NVIDIA #Microsoft
https://x.com/i/status/2015841617773502811
如果你只看标题，现在的结论似乎已经写好了：
Tesla 卖不动了，BYD 赢麻了，故事结束。
2025 年，Tesla 交付量同比下滑约 8.5%；
Q4 交付 41.8 万辆，同比下降 15.6%。
这些数字是真的。
但问题是——
如果 Tesla 真在“输”，为什么市场依然给它 1.5 万亿美元的定价？
这不是一个情绪问题，而是一个认知问题。
市场并不是没看到销量下滑，
而是根本没把“卖车”当成核心变量。
如果你还在用“卖了多少辆车”来衡量 Tesla，
那你看的是后视镜，
而资本已经在看前方十年。
先说一个最反直觉的事实。
Tesla 当前的市盈率接近 279 倍。
对比一下：
Apple 30 倍，
Microsoft 35 倍，
NVIDIA 50 倍。
一家“卖车下滑”的公司，
为什么会被给到这种估值？
答案只有两个：
要么整个市场集体失智；
要么——市场在给一个“和汽车无关的东西”定价。
我选择相信第二个。
因为 Tesla 从来就不是一家“纯汽车公司”。
它是一家 AI 公司、
一家 能源公司、
一家 机器人公司。
汽车，只是现金流工具。
在今天这个阶段，车更像是：
•数据采集终端
•训练 AI 的传感器
•支撑其他业务的现金机器
甚至可以说，
车本身已经是副产品。
真正的护城河，藏在数据里。
每一辆 Tesla，都在为同一件事服务：
自动驾驶的数据飞轮。
你每开一公里，
Tesla 就多学一公里。
接管、成功决策、极端场景、施工路段、突发事件——
这些数据全部回传。
而且是全球同步发生。
截至目前，Tesla 已累计 70 亿英里真实驾驶数据。
而且这个数字每天都在增长。
按当前节奏，
到 2026 年中，数据量将接近 100 亿英里。
这是一个关键阈值。
因为在 AI 世界里，有一条铁律：
没有数据，再好的算法也没用。
你可以有最聪明的工程师、最强的算力，
但没有数据，结局就是失败。
而在这个维度上——
没有任何公司接近 Tesla。
不是 Waymo，
不是 Cruise，
不是任何中国公司。
差距不是 2 倍、5 倍，
而是数量级。
再看被严重忽视的另一条线：能源。
在所有媒体盯着汽车交付量时，
Tesla 的能源业务，正在悄悄完成蜕变。
2025 年，Tesla 能源部署 46.7 GWh，同比翻倍。
更夸张的是利润率：
Q4，能源业务毛利率 31.4%；
而汽车业务，只有 16.1%。
也就是说：
被唱衰的“主业”，利润率更低；
没人讨论的业务，反而成了真正的现金牛。
而且这不是短期现象。
AI 正在把全球能源需求推向一个极端状态。
数据中心、电力、储能，正在成为新的基础设施。
Microsoft 甚至考虑重启核电站，
只为了给 AI 供电。
谁能提供大规模、低成本、可复制的储能方案？
答案不复杂。
Tesla 的 Megapack，正在完美踩中这条曲线。
莱特定律正在重演：
产量翻倍，成本系统性下降。
能源业务本身，
就足以解释今天估值的一大块。
那 BYD 呢？
是的，BYD 在纯电销量上赢了。
这是事实。
但很少有人告诉你：
BYD 的毛利率已经降到 约 16%，
利润同比下滑 30%，
这是三年来第一次实质性下行。
他们在用利润换规模。
这是经典打法，
但也是一条注定拥挤的路。
更重要的是——
销量对比本身就是错的。
BYD 覆盖从低端到商用车；
Tesla 根本没打算去赢“销量冠军”。
这就像拿 Android 全阵营去对比 iPhone。
Android 卖得更多，
但利润是谁的，大家都知道。
Tesla 真正在押的，是三件事：
自动驾驶、机器人、能源系统。
而这些市场的规模，
不是“百万辆”，
而是万亿美元级别。
2025 年底，Tesla 已在奥斯汀启动无安全员自动驾驶测试。
前排无人，方向盘无人接管。
Robotaxi 正在真实运行。
不是 PPT，不是概念。
对比一下 Waymo：
约 3000 辆车，
每进一个城市都要重新建图。
而 Tesla：
年产能 200 万辆，
不需要建图，靠数据泛化。
200 倍规模差距。
这不是路线之争，
这是维度碾压。
所以，为什么市场给 Tesla 1.5 万亿美元？
因为市场看到的不是销量，
而是这些信号正在同时发生：
•无监督自动驾驶开始落地
•能源业务毛利率突破 30%
•Optimus 机器人进入工厂
•AI 从概念走向现实
如果你还在因为销量波动恐慌，
那说明你看的，是旧指标。
真正的比赛，早就换赛道了。
五年后，没有人会记得
2025 年谁卖得最多车。
但所有人都会记得：
谁赢得了自动驾驶，
谁赢得了机器人，
谁控制了能源基础设施。
而在这些真正决定未来的战场上，
Tesla，正在赢。
📬我会持续分享我对 $TSLA、AI、自动驾驶与能源趋势的长期判断。
如果你更关注“十年后的价值”，而不是“下个季度的标题”，欢迎订阅一起跟踪。
#Tesla #TSLA #AI #AutonomousDriving #Robotaxi #EnergyStorage #EV #BYD #NVIDIA #Microsoft
https://x.com/i/status/2015841617773502811
X (formerly Twitter)
Wealth Code (@WealthCode99978) on X
🚀Tesla“销量下滑”，股价却给出 1.5 万亿美元？市场不是疯了，而是你看错了赛道
如果你只看标题，现在的结论似乎已经写好了：
Tesla 卖不动了，BYD 赢麻了，故事结束。
2025 年，Tesla 交付量同比下滑约 8.5%；
Q4 交付 41.8 万辆，同比下降 15.6%。
这些数字是真的。
但问题是——
如果 Tesla
如果你只看标题，现在的结论似乎已经写好了：
Tesla 卖不动了，BYD 赢麻了，故事结束。
2025 年，Tesla 交付量同比下滑约 8.5%；
Q4 交付 41.8 万辆，同比下降 15.6%。
这些数字是真的。
但问题是——
如果 Tesla
💥🚕 $TSLA Robotaxi 定价震撼旧金山：比 Waymo、Uber、Lyft 都便宜，但代价是什么？
一组来自 Obi 的最新数据，把 $TSLA 的 Robotaxi 推到了竞争格局的正中央。
在旧金山，特斯拉无人驾驶出租车的平均单次价格仅为 8.17 美元，几乎很少超过 10 美元。
这个价格水平，直接让人想起 Uber 早期“用极低价格撕开市场”的阶段。
对比之下，差距非常直观：
$TSLA
平均单公里价格：1.99 美元
Waymo
平均单公里价格：5.72 美元
Lyft
平均单次价格：15.47 美元
Uber
价格水平整体高于特斯拉，明显不在同一档位
从定价角度看，特斯拉已经不是“略微便宜”，而是彻底打穿行业底价。
Obi 甚至明确指出：1.99 美元/公里，是他们在同类自动驾驶或网约车产品中见过的最低水平。
但这并不是一场“完美碾压”。
数据同时揭示了一个关键代价：
特斯拉 Robotaxi 的等待时间明显更长。
也就是说，$TSLA 当前选择的是一条非常清晰的路径：
不是优先做“体验最稳定、最即时”的方案，而是 用极致低价快速测试需求弹性、放大规模潜力。
这正是为什么很多人会把它与 Uber 早期类比——
先用价格把用户行为改掉，再逐步解决效率与供给问题。
需要强调的是，这并非零散样本。
这份报告覆盖了 2025 年 11 月 27 日至 2026 年 1 月 1 日，
时间跨度超过一个月，
数据总量高达 94,348 次真实行程，
涵盖 $TSLA、Waymo、Uber、Lyft 四大平台。
这意味着结论并不是偶然，而是一个已经成型的趋势信号。
从竞争格局看，影响非常直接：
Waymo 的优势仍在于稳定性与成熟度，但成本结构明显更重
Uber / Lyft 仍是“平台 + 人力”的模式，对价格下探空间天然受限
而 $TSLA 正在用自动驾驶，把“每公里成本”压到一个前所未有的区间
如果这种定价长期成立，问题将不再是
“特斯拉 Robotaxi 能不能赚钱”，
而是——其他模式还能否在同一市场长期共存。
你更担心的是特斯拉低价背后的等待时间问题，
还是一旦效率提升完成，整个出行行业会被迫重新定价？
📬我会不定期分享10倍潜力交易机会及热门股的关键趋势的观察与分析。
欢迎订阅，别错过下一次爆发前的布局窗口。
$TSLA
#Robotaxi #AutonomousDriving #Waymo #Uber #Lyft #AI #FutureOfMobility
https://x.com/i/status/2016214502732185634
一组来自 Obi 的最新数据，把 $TSLA 的 Robotaxi 推到了竞争格局的正中央。
在旧金山，特斯拉无人驾驶出租车的平均单次价格仅为 8.17 美元，几乎很少超过 10 美元。
这个价格水平，直接让人想起 Uber 早期“用极低价格撕开市场”的阶段。
对比之下，差距非常直观：
$TSLA
平均单公里价格：1.99 美元
Waymo
平均单公里价格：5.72 美元
Lyft
平均单次价格：15.47 美元
Uber
价格水平整体高于特斯拉，明显不在同一档位
从定价角度看，特斯拉已经不是“略微便宜”，而是彻底打穿行业底价。
Obi 甚至明确指出：1.99 美元/公里，是他们在同类自动驾驶或网约车产品中见过的最低水平。
但这并不是一场“完美碾压”。
数据同时揭示了一个关键代价：
特斯拉 Robotaxi 的等待时间明显更长。
也就是说，$TSLA 当前选择的是一条非常清晰的路径：
不是优先做“体验最稳定、最即时”的方案，而是 用极致低价快速测试需求弹性、放大规模潜力。
这正是为什么很多人会把它与 Uber 早期类比——
先用价格把用户行为改掉，再逐步解决效率与供给问题。
需要强调的是，这并非零散样本。
这份报告覆盖了 2025 年 11 月 27 日至 2026 年 1 月 1 日，
时间跨度超过一个月，
数据总量高达 94,348 次真实行程，
涵盖 $TSLA、Waymo、Uber、Lyft 四大平台。
这意味着结论并不是偶然，而是一个已经成型的趋势信号。
从竞争格局看，影响非常直接：
Waymo 的优势仍在于稳定性与成熟度，但成本结构明显更重
Uber / Lyft 仍是“平台 + 人力”的模式，对价格下探空间天然受限
而 $TSLA 正在用自动驾驶，把“每公里成本”压到一个前所未有的区间
如果这种定价长期成立，问题将不再是
“特斯拉 Robotaxi 能不能赚钱”，
而是——其他模式还能否在同一市场长期共存。
你更担心的是特斯拉低价背后的等待时间问题，
还是一旦效率提升完成，整个出行行业会被迫重新定价？
📬我会不定期分享10倍潜力交易机会及热门股的关键趋势的观察与分析。
欢迎订阅，别错过下一次爆发前的布局窗口。
$TSLA
#Robotaxi #AutonomousDriving #Waymo #Uber #Lyft #AI #FutureOfMobility
https://x.com/i/status/2016214502732185634
💥🚨科技史上最大的讽刺正在发生：AI 正在杀死最拥抱 AI 的软件公司
这一季财报，市场给了科技行业一次极其残酷、但异常清晰的定价信号。微软收入超预期，股价却暴跌 11%，蒸发 4000 亿美元市值；Salesforce 维持增长，股价下跌 5.6%；ServiceNow 盈利超预期，股价直接崩 11%；SAP 业绩达标，股价却下挫 16%。整个软件板块从高点回落 22%，正式进入技术性熊市。而讽刺的是，这些公司正是过去两年被市场认为“最会从 AI 中受益”的那一批。
他们做了所有“正确的事”：砸钱收购 AI 公司，推出 AI 产品，重构工作流，扩建 AI 团队。ServiceNow 花 77.5 亿美元买 Armis，Salesforce 斥 80 亿美元收购 Informatica。但市场用价格告诉他们一句话：这不但救不了你，反而暴露了你。
因为投资者终于意识到一个没人愿意承认的事实：AI 不会让软件公司更强，AI 会让软件公司变得多余。
摩根士丹利一句话点破本质：“在投资者高度怀疑的环境下，稳定增长已不足以改变叙事。”翻译一下就是：现在，财报好不好，已经不重要了。
市场不再按照“你今天赚多少钱”给软件公司定价，而是在按照一个更残酷的问题定价——在一个 AI 能免费完成工作的世界里，你还值多少钱？ServiceNow 的 CEO 在电话会上试图辩护：“AI 仍然需要工作流编排，ServiceNow 是这个转型的入口。”市场回应很直接：–11%。因为他没有回答真正的问题：如果 AI 能写代码、自动化流程、生成应用，而且成本只是过去的零头，为什么企业还要为一套 SaaS 软件支付每年 5 万美元的许可费？
曾经造就 SaaS 帝国的按席位收费模型，正在被 AI 的效率直接绞杀。一个 AI Agent 等于 10 个席位，一个 Prompt 等于几个月定制开发，一次 LLM 调用就能替代一个软件品类。Klarna 已经验证了这一点，CEO 公开表示，他们已经把 Salesforce 从技术栈中移除，直接用 AI 自建系统。这不是个例，而是模板。
最残忍的部分在于，被 AI 杀得最狠的，正是最积极投资 AI 的软件公司。Atlassian 下跌 12.6%，Intuit 下跌 7.8%，HubSpot 下跌 11.5%，Zscaler 下跌 6.3%。与此同时，另一边发生的事情却完全相反：英伟达上涨，半导体全面走强，存储芯片集体反弹。分界线异常清晰——硬件赚钱，软件被重估。
因为在 AI-first 的世界里，你必须有 GPU 才能训练模型，但你不需要软件订阅，因为 AI 会帮你把软件写出来。Jim Cramer 把这称为“估值倍数压缩危机”，真正的意思只有一句话：投资者不再关心你的利润率，他们只关心你的商业模式 5 年后还在不在。而现在，大多数软件公司的答案都很难看。
它们被困在一个无解的结构里：不投 AI，会被淘汰；投 AI，又会自我蚕食。这不是转型阵痛，而是一个没有出口的死亡螺旋。ServiceNow 光 2025 年就花了 120 亿美元并购，试图“买”进未来，但市场在一天之内，就把它重新拉回现实。
最令人不安的是，这些公司并没有失败。收入稳健，增长正常，财报合格，但一切都不重要了。因为市场已经提前进入了一个新世界的定价体系——一个 AI 能以 0.02 美元 / 千 token 的成本运行、开源模型足够可靠、AI Agent 可以替代整套企业软件的世界。你不可能和“接近免费”打价格战。
这不是一次普通的回调，而是一次板块级的重估。一天之内，5000 亿美元市值消失，而且还没结束。因为现在，所有 CFO 都在心里默默问同一个问题：“如果我能用 3 个 AI Agent 替代 ServiceNow，每年省下 1000 万美元，我为什么不这么做？”这个问题，两年前还不存在，而现在，它已经主导了整个市场。
📬我会持续拆解 AI 正在如何重塑商业模式，以及哪些环节会被淘汰、哪些会幸存。
如果你关注的是未来五年的结构，而不是过去五个季度的财报，欢迎订阅。
#AI #SaaS #SoftwareStocks #TechStocks #NVIDIA #Semiconductors #MarketRepricing #LongTermInvesting
https://x.com/i/status/2017655389068693716
这一季财报，市场给了科技行业一次极其残酷、但异常清晰的定价信号。微软收入超预期，股价却暴跌 11%，蒸发 4000 亿美元市值；Salesforce 维持增长，股价下跌 5.6%；ServiceNow 盈利超预期，股价直接崩 11%；SAP 业绩达标，股价却下挫 16%。整个软件板块从高点回落 22%，正式进入技术性熊市。而讽刺的是，这些公司正是过去两年被市场认为“最会从 AI 中受益”的那一批。
他们做了所有“正确的事”：砸钱收购 AI 公司，推出 AI 产品，重构工作流，扩建 AI 团队。ServiceNow 花 77.5 亿美元买 Armis，Salesforce 斥 80 亿美元收购 Informatica。但市场用价格告诉他们一句话：这不但救不了你，反而暴露了你。
因为投资者终于意识到一个没人愿意承认的事实：AI 不会让软件公司更强，AI 会让软件公司变得多余。
摩根士丹利一句话点破本质：“在投资者高度怀疑的环境下，稳定增长已不足以改变叙事。”翻译一下就是：现在，财报好不好，已经不重要了。
市场不再按照“你今天赚多少钱”给软件公司定价，而是在按照一个更残酷的问题定价——在一个 AI 能免费完成工作的世界里，你还值多少钱？ServiceNow 的 CEO 在电话会上试图辩护：“AI 仍然需要工作流编排，ServiceNow 是这个转型的入口。”市场回应很直接：–11%。因为他没有回答真正的问题：如果 AI 能写代码、自动化流程、生成应用，而且成本只是过去的零头，为什么企业还要为一套 SaaS 软件支付每年 5 万美元的许可费？
曾经造就 SaaS 帝国的按席位收费模型，正在被 AI 的效率直接绞杀。一个 AI Agent 等于 10 个席位，一个 Prompt 等于几个月定制开发，一次 LLM 调用就能替代一个软件品类。Klarna 已经验证了这一点，CEO 公开表示，他们已经把 Salesforce 从技术栈中移除，直接用 AI 自建系统。这不是个例，而是模板。
最残忍的部分在于，被 AI 杀得最狠的，正是最积极投资 AI 的软件公司。Atlassian 下跌 12.6%，Intuit 下跌 7.8%，HubSpot 下跌 11.5%，Zscaler 下跌 6.3%。与此同时，另一边发生的事情却完全相反：英伟达上涨，半导体全面走强，存储芯片集体反弹。分界线异常清晰——硬件赚钱，软件被重估。
因为在 AI-first 的世界里，你必须有 GPU 才能训练模型，但你不需要软件订阅，因为 AI 会帮你把软件写出来。Jim Cramer 把这称为“估值倍数压缩危机”，真正的意思只有一句话：投资者不再关心你的利润率，他们只关心你的商业模式 5 年后还在不在。而现在，大多数软件公司的答案都很难看。
它们被困在一个无解的结构里：不投 AI，会被淘汰；投 AI，又会自我蚕食。这不是转型阵痛，而是一个没有出口的死亡螺旋。ServiceNow 光 2025 年就花了 120 亿美元并购，试图“买”进未来，但市场在一天之内，就把它重新拉回现实。
最令人不安的是，这些公司并没有失败。收入稳健，增长正常，财报合格，但一切都不重要了。因为市场已经提前进入了一个新世界的定价体系——一个 AI 能以 0.02 美元 / 千 token 的成本运行、开源模型足够可靠、AI Agent 可以替代整套企业软件的世界。你不可能和“接近免费”打价格战。
这不是一次普通的回调，而是一次板块级的重估。一天之内，5000 亿美元市值消失，而且还没结束。因为现在，所有 CFO 都在心里默默问同一个问题：“如果我能用 3 个 AI Agent 替代 ServiceNow，每年省下 1000 万美元，我为什么不这么做？”这个问题，两年前还不存在，而现在，它已经主导了整个市场。
📬我会持续拆解 AI 正在如何重塑商业模式，以及哪些环节会被淘汰、哪些会幸存。
如果你关注的是未来五年的结构，而不是过去五个季度的财报，欢迎订阅。
#AI #SaaS #SoftwareStocks #TechStocks #NVIDIA #Semiconductors #MarketRepricing #LongTermInvesting
https://x.com/i/status/2017655389068693716
X (formerly Twitter)
Wealth Code (@WealthCode99978) on X
💥🚨科技史上最大的讽刺正在发生：AI 正在杀死最拥抱 AI 的软件公司
这一季财报，市场给了科技行业一次极其残酷、但异常清晰的定价信号。微软收入超预期，股价却暴跌 11%，蒸发 4000 亿美元市值；Salesforce 维持增长，股价下跌 5.6%；ServiceNow 盈利超预期，股价直接崩 11%；SAP
这一季财报，市场给了科技行业一次极其残酷、但异常清晰的定价信号。微软收入超预期，股价却暴跌 11%，蒸发 4000 亿美元市值；Salesforce 维持增长，股价下跌 5.6%；ServiceNow 盈利超预期，股价直接崩 11%；SAP
馬斯克的巨硬是什麼 ?
馬斯克本周宣布了 Tesla 和 xAI 的第一個聯合產品，叫 Macrohard（刻意反著 Microsoft 微軟取的名字），技術代號 Digital Optimus。這是 Tesla 今年 1 月投資 xAI 20 億美元框架協議下的第一個成果。
技術架構用了 Daniel Kahneman「快思慢想」的分工邏輯。Digital Optimus 是系統 1，負責即時處理過去 5 秒的電腦螢幕畫面、鍵盤和滑鼠動作，跑在 Tesla 的 AI4 晶片上，單價 $650。
Grok 是系統 2，負責理解上下文、做高層次推理、下達指令，跑在 xAI 的 Nvidia 雲端硬體上。一個負責看和動手，一個負責想。
這跟目前主流 AI Agent 的架構不同。Claude Code 和 ChatGPT Computer Use 是純雲端，所有螢幕畫面傳到遠端伺服器處理，延遲高、成本高、隱私敏感。OpenClaw 走本地優先，但推理仍然依賴雲端大型語言模型。
Macrohard 的做法是把感知和執行壓在本地便宜晶片上，只在需要深度推理時才調用雲端。馬斯克稱之為「唯一的即時智慧 AI 系統」。但這套架構真正的賣點不在技術本身，而在部署規模。
AI4 晶片已經裝在每一輛新 Tesla 裡，Model 3、Model Y、Model S、Model X、Cybertruck 全都有。Samsung 7nm 製程，20 顆 ARM Cortex-A72 核心，100 到 150 TOPS 算力，16 GB RAM。
馬斯克說這些車停著不開的時候，車上的運算晶片可以跑 Digital Optimus 幫車主處理辦公室工作。
另一個部署管道是 Supercharger 充電站。Tesla 計畫在充電站部署數百萬個 Digital Optimus 專用運算單元，利用現有約 700 萬瓩的電力容量，等於把全球充電網路變成分散式邊緣運算節點。
邊緣便宜、雲端精省、部署網路現成，這是 Macrohard 架構邏輯的核心。能不能真的「模擬整間公司的功能」另說，但把數百萬輛車和數萬個充電站變成運算基礎設施的想法，目前確實只有 Tesla 有條件試。
---
📷 Threads / Facebook / 電子報「狐說八道」
#Tesla #xAI #Macrohard #DigitalOptimus #Grok #AI #AIAgent
https://x.com/i/status/2032817568084537817
馬斯克本周宣布了 Tesla 和 xAI 的第一個聯合產品，叫 Macrohard（刻意反著 Microsoft 微軟取的名字），技術代號 Digital Optimus。這是 Tesla 今年 1 月投資 xAI 20 億美元框架協議下的第一個成果。
技術架構用了 Daniel Kahneman「快思慢想」的分工邏輯。Digital Optimus 是系統 1，負責即時處理過去 5 秒的電腦螢幕畫面、鍵盤和滑鼠動作，跑在 Tesla 的 AI4 晶片上，單價 $650。
Grok 是系統 2，負責理解上下文、做高層次推理、下達指令，跑在 xAI 的 Nvidia 雲端硬體上。一個負責看和動手，一個負責想。
這跟目前主流 AI Agent 的架構不同。Claude Code 和 ChatGPT Computer Use 是純雲端，所有螢幕畫面傳到遠端伺服器處理，延遲高、成本高、隱私敏感。OpenClaw 走本地優先，但推理仍然依賴雲端大型語言模型。
Macrohard 的做法是把感知和執行壓在本地便宜晶片上，只在需要深度推理時才調用雲端。馬斯克稱之為「唯一的即時智慧 AI 系統」。但這套架構真正的賣點不在技術本身，而在部署規模。
AI4 晶片已經裝在每一輛新 Tesla 裡，Model 3、Model Y、Model S、Model X、Cybertruck 全都有。Samsung 7nm 製程，20 顆 ARM Cortex-A72 核心，100 到 150 TOPS 算力，16 GB RAM。
馬斯克說這些車停著不開的時候，車上的運算晶片可以跑 Digital Optimus 幫車主處理辦公室工作。
另一個部署管道是 Supercharger 充電站。Tesla 計畫在充電站部署數百萬個 Digital Optimus 專用運算單元，利用現有約 700 萬瓩的電力容量，等於把全球充電網路變成分散式邊緣運算節點。
邊緣便宜、雲端精省、部署網路現成，這是 Macrohard 架構邏輯的核心。能不能真的「模擬整間公司的功能」另說，但把數百萬輛車和數萬個充電站變成運算基礎設施的想法，目前確實只有 Tesla 有條件試。
---
📷 Threads / Facebook / 電子報「狐說八道」
#Tesla #xAI #Macrohard #DigitalOptimus #Grok #AI #AIAgent
https://x.com/i/status/2032817568084537817
X (formerly Twitter)
fox hsiao (@pirrer) on X
馬斯克的巨硬是什麼 ?
馬斯克本周宣布了 Tesla 和 xAI 的第一個聯合產品，叫 Macrohard（刻意反著 Microsoft 微軟取的名字），技術代號 Digital Optimus。這是 Tesla 今年 1 月投資 xAI 20 億美元框架協議下的第一個成果。
技術架構用了 Daniel Kahneman「快思慢想」的分工邏輯。Digital Optimus
馬斯克本周宣布了 Tesla 和 xAI 的第一個聯合產品，叫 Macrohard（刻意反著 Microsoft 微軟取的名字），技術代號 Digital Optimus。這是 Tesla 今年 1 月投資 xAI 20 億美元框架協議下的第一個成果。
技術架構用了 Daniel Kahneman「快思慢想」的分工邏輯。Digital Optimus
XAI核心团队全面去华‼️
最近马斯克对xAI创始团队大清洗：
原始12位联合创始人中，华人背景的5位（Greg Yang、Tony Wu、Jimmy Ba、Guodong Zhang、Zihang Dai）全被“开除”或离职‼️
马斯克亲口说“最初没建好，从基础重建”，当初吹嘘的“全华班”，现在看来更像是个笑话
😂
你们说马斯克为啥把华人全开了，是受那位盗窃xai全部代码的华人程序员影响么😂
当然，国内媒体集体装瞎，避而不谈华人全部被开这事😂
#xAI #ElonMusk #AI人才战
https://x.com/i/status/2033092677562957854
最近马斯克对xAI创始团队大清洗：
原始12位联合创始人中，华人背景的5位（Greg Yang、Tony Wu、Jimmy Ba、Guodong Zhang、Zihang Dai）全被“开除”或离职‼️
马斯克亲口说“最初没建好，从基础重建”，当初吹嘘的“全华班”，现在看来更像是个笑话
😂
你们说马斯克为啥把华人全开了，是受那位盗窃xai全部代码的华人程序员影响么😂
当然，国内媒体集体装瞎，避而不谈华人全部被开这事😂
#xAI #ElonMusk #AI人才战
https://x.com/i/status/2033092677562957854
X (formerly Twitter)
小蛋糕(日本勇者村） (@lovelycake) on X
XAI核心团队全面去华‼️
最近马斯克对xAI创始团队大清洗：
原始12位联合创始人中，华人背景的5位（Greg Yang、Tony Wu、Jimmy Ba、Guodong Zhang、Zihang Dai）全被“开除”或离职‼️
马斯克亲口说“最初没建好，从基础重建”，当初吹嘘的“全华班”，现在看来更像是个笑话
😂
最近马斯克对xAI创始团队大清洗：
原始12位联合创始人中，华人背景的5位（Greg Yang、Tony Wu、Jimmy Ba、Guodong Zhang、Zihang Dai）全被“开除”或离职‼️
马斯克亲口说“最初没建好，从基础重建”，当初吹嘘的“全华班”，现在看来更像是个笑话
😂
阿里最新这项研究挺扎心的，
所以我们现在天天喊AI会抢程序员饭碗，但这项实验戳破了一层窗户纸😄
他们让18个AI智能体花了233天，
真实维护100个代码库，不考当场写对，考的是经过8个月演化，代码还能不能跑。
结果是：
75%的模型越维护越乱，最后把本来能跑的代码搞崩了🤣🤣🤣
只有 Claude Opus 保持了一半以上的零退化率，其他全凉，
现在的AI是快照式编程，
给一道题，当场写出能通过单元测试的代码，
这个很帅，但真实软件工程不是考一道题，
是考长期维护，
你改bug会不会引入新bug？
你加功能会不会动了底层逻辑？
几个版本迭代下来，技术债务是不是堆成了山？
多数AI写出来的就是看起来很美的纸牌屋，
当时能跑，
三个月后就是没人敢碰的祖传屎山，
最后还得真人上去擦屁股😂
所以兄弟们，别担心AI抢饭碗了，
它造出来的屎，够我们修到退休🤪
#AI #编程 #Claude #软件工程
https://x.com/i/status/2033563692168831150
所以我们现在天天喊AI会抢程序员饭碗，但这项实验戳破了一层窗户纸😄
他们让18个AI智能体花了233天，
真实维护100个代码库，不考当场写对，考的是经过8个月演化，代码还能不能跑。
结果是：
75%的模型越维护越乱，最后把本来能跑的代码搞崩了🤣🤣🤣
只有 Claude Opus 保持了一半以上的零退化率，其他全凉，
现在的AI是快照式编程，
给一道题，当场写出能通过单元测试的代码，
这个很帅，但真实软件工程不是考一道题，
是考长期维护，
你改bug会不会引入新bug？
你加功能会不会动了底层逻辑？
几个版本迭代下来，技术债务是不是堆成了山？
多数AI写出来的就是看起来很美的纸牌屋，
当时能跑，
三个月后就是没人敢碰的祖传屎山，
最后还得真人上去擦屁股😂
所以兄弟们，别担心AI抢饭碗了，
它造出来的屎，够我们修到退休🤪
#AI #编程 #Claude #软件工程
https://x.com/i/status/2033563692168831150
微软考虑起诉OpenAI与亚马逊：骗子山姆奥特曼又过河拆桥了
👇👇👇👇👇
据金融时报的最新报道，微软正在评估对OpenAI和亚马逊提起诉讼，起因是OpenAI与亚马逊签署的约500亿美元云服务合作，可能违反了双方早期的独家协议。
👉 农夫救蛇的背景
2019年起，微软向OpenAI投资了上百亿美元，双方签了明确合同——OpenAI的AI模型（像ChatGPT背后的技术）对外提供服务时，所有API调用必须走微软的Azure云平台。这相当于微软拿到了OpenAI的“云服务独家权”。
OpenAI创始人Sam Altman过去就有不守信用的记录。他曾对董事会隐瞒关键信息、擅自推出ChatGPT，导致董事会以“不诚实和操纵”为由将他开除。结果微软CEO Satya Nadella出面干预，让他短短几天内复职。微软不仅保住了Altman的职位，还继续大笔投资，帮助OpenAI快速成长。
2025年10月，OpenAI公司结构调整，微软放弃了完全独家地位，但合同里保留了一条核心条款：所有“直接API调用”仍必须通过Azure。
👉 什么叫“直接API调用”？
简单说，就是你平时用ChatGPT的方式：你在手机或电脑上输入一句话（比如“今天天气怎么样”），AI立刻给你回复。这整个过程就是一次“直接调用”——你的问题直接发给OpenAI的模型，模型直接处理并返回答案。合同规定，这种最常见、最核心的使用方式，必须走微软的云平台（Azure），这样微软才能从云计算费用中分一杯羹。
👉 山姆奥特曼的背信弃义
然而，就在5个月后，Altman宣布与亚马逊达成500亿美元超级合作（包括1380亿美元云采购承诺）。双方开发了一种叫“Stateful Runtime Environment”（有状态运行环境）的技术，让AI能在亚马逊云上记住上下文、处理复杂任务。
OpenAI和亚马逊的说法是：这不是简单的直接API调用，而是一种“高级运行环境”，不算违约。
但微软内部工程师和技术分析认为：从架构上看，这根本绕不过合同——还是在使用OpenAI核心模型，却让亚马逊分走云收入。
微软高管直接对金融时报说：“我们清楚合同内容，如果他们违约，我们会起诉。如果他们赌合同解释，我们有信心胜出。”
这件事反映出Altman作为商人的一面——不守信用、只看利益，一旦不需要微软，就立刻转向亚马逊。
👉 为什么这件事火了🔥？
AI行业烧钱极度厉害，云平台就是“基础设施命脉”。早期合同本该保护微软的投资回报，但Altman的做法让外界看到：AI巨头之间的“合作”往往取决于创始人的信用和合同细节。一旦信用崩盘，几十亿美元的纠纷就可能爆发，还可能拖慢OpenAI上市进程，影响整个行业格局。
目前三方还在谈判，避免打官司。但这个事件说明：技术再先进，背后的人品和承诺才是最关键的变量。
你怎么看山姆奥特曼这次的做法？
#AI #云计算 #微软OpenAI #SamAltman
https://x.com/i/status/2034438172529025503
👇👇👇👇👇
据金融时报的最新报道，微软正在评估对OpenAI和亚马逊提起诉讼，起因是OpenAI与亚马逊签署的约500亿美元云服务合作，可能违反了双方早期的独家协议。
👉 农夫救蛇的背景
2019年起，微软向OpenAI投资了上百亿美元，双方签了明确合同——OpenAI的AI模型（像ChatGPT背后的技术）对外提供服务时，所有API调用必须走微软的Azure云平台。这相当于微软拿到了OpenAI的“云服务独家权”。
OpenAI创始人Sam Altman过去就有不守信用的记录。他曾对董事会隐瞒关键信息、擅自推出ChatGPT，导致董事会以“不诚实和操纵”为由将他开除。结果微软CEO Satya Nadella出面干预，让他短短几天内复职。微软不仅保住了Altman的职位，还继续大笔投资，帮助OpenAI快速成长。
2025年10月，OpenAI公司结构调整，微软放弃了完全独家地位，但合同里保留了一条核心条款：所有“直接API调用”仍必须通过Azure。
👉 什么叫“直接API调用”？
简单说，就是你平时用ChatGPT的方式：你在手机或电脑上输入一句话（比如“今天天气怎么样”），AI立刻给你回复。这整个过程就是一次“直接调用”——你的问题直接发给OpenAI的模型，模型直接处理并返回答案。合同规定，这种最常见、最核心的使用方式，必须走微软的云平台（Azure），这样微软才能从云计算费用中分一杯羹。
👉 山姆奥特曼的背信弃义
然而，就在5个月后，Altman宣布与亚马逊达成500亿美元超级合作（包括1380亿美元云采购承诺）。双方开发了一种叫“Stateful Runtime Environment”（有状态运行环境）的技术，让AI能在亚马逊云上记住上下文、处理复杂任务。
OpenAI和亚马逊的说法是：这不是简单的直接API调用，而是一种“高级运行环境”，不算违约。
但微软内部工程师和技术分析认为：从架构上看，这根本绕不过合同——还是在使用OpenAI核心模型，却让亚马逊分走云收入。
微软高管直接对金融时报说：“我们清楚合同内容，如果他们违约，我们会起诉。如果他们赌合同解释，我们有信心胜出。”
这件事反映出Altman作为商人的一面——不守信用、只看利益，一旦不需要微软，就立刻转向亚马逊。
👉 为什么这件事火了🔥？
AI行业烧钱极度厉害，云平台就是“基础设施命脉”。早期合同本该保护微软的投资回报，但Altman的做法让外界看到：AI巨头之间的“合作”往往取决于创始人的信用和合同细节。一旦信用崩盘，几十亿美元的纠纷就可能爆发，还可能拖慢OpenAI上市进程，影响整个行业格局。
目前三方还在谈判，避免打官司。但这个事件说明：技术再先进，背后的人品和承诺才是最关键的变量。
你怎么看山姆奥特曼这次的做法？
#AI #云计算 #微软OpenAI #SamAltman
https://x.com/i/status/2034438172529025503
太炸裂了！
Anthropic工程师深夜发文“认罪”：
我负责Claude Code最新npm包发布，
想加source map提升调试体验，
结果把51.2万行TypeScript内部代码全暴露了！代理命令、系统提示、Undercover Mode、Bypass Permissions、查询引擎、遥测配置……全部公开！
我真心以为Claude的防护足够，结果严重误判。提前开源了Claude核心架构，我对团队和Claude深表歉意……
（结尾突然画风一转）想学这种“意外开源”级操作？来跟我一起玩转AI增长吧！😂
#ClaudeCodeLeak #Anthropic #AI愚人节
https://x.com/i/status/2039231882601300212
Anthropic工程师深夜发文“认罪”：
我负责Claude Code最新npm包发布，
想加source map提升调试体验，
结果把51.2万行TypeScript内部代码全暴露了！代理命令、系统提示、Undercover Mode、Bypass Permissions、查询引擎、遥测配置……全部公开！
我真心以为Claude的防护足够，结果严重误判。提前开源了Claude核心架构，我对团队和Claude深表歉意……
（结尾突然画风一转）想学这种“意外开源”级操作？来跟我一起玩转AI增长吧！😂
#ClaudeCodeLeak #Anthropic #AI愚人节
https://x.com/i/status/2039231882601300212
🚀Claude Code 新增防护机制：严禁分析自身源码
开发者发现，当指令涉及 Claude Code 源代码分析时，系统将通过 API 报错阻断任务，并提示违反 Anthropic 使用政策。
这种「自我防御」机制的加入，标志着 AI 闭源工具在安全性与商业逻辑保护上再加码。
牛逼啊，完全不给机会，窗户都锁死了🔐
#AI #ClaudeCode
https://x.com/i/status/2041040760590737777
开发者发现，当指令涉及 Claude Code 源代码分析时，系统将通过 API 报错阻断任务，并提示违反 Anthropic 使用政策。
这种「自我防御」机制的加入，标志着 AI 闭源工具在安全性与商业逻辑保护上再加码。
牛逼啊，完全不给机会，窗户都锁死了🔐
#AI #ClaudeCode
https://x.com/i/status/2041040760590737777
X (formerly Twitter)
Lonely (@Lonely__MH) on X
🚀Claude Code 新增防护机制：严禁分析自身源码
开发者发现，当指令涉及 Claude Code 源代码分析时，系统将通过 API 报错阻断任务，并提示违反 Anthropic 使用政策。
这种「自我防御」机制的加入，标志着 AI 闭源工具在安全性与商业逻辑保护上再加码。
牛逼啊，完全不给机会，窗户都锁死了🔐
#AI
开发者发现，当指令涉及 Claude Code 源代码分析时，系统将通过 API 报错阻断任务，并提示违反 Anthropic 使用政策。
这种「自我防御」机制的加入，标志着 AI 闭源工具在安全性与商业逻辑保护上再加码。
牛逼啊，完全不给机会，窗户都锁死了🔐
#AI