El Camino Real Bell Ringing

We're Not Upgrading the System. We're Replacing It

在大公司里打工的人，最终会适应科层制，并且会基于这套游戏规则做自我反复强化训练。

梁文峰说的那句话也许不只关于工作时间： "加班疲劳下的昏庸判断反而会浪费宝贵的算力资源。"

从AI之前的五次创新浪潮里能学到什么？这是大摩最新的一份报告，英文原题是《Lessons from the Five Innovation Waves That Preceded AI》，由首席美国经济学家Michael Gapen领衔。这篇报告的核心问题只有一个：AI浪潮到底会怎样改变美国经济？摩根士丹利没有选择预测未来，而是选择了回看过去。他们系统梳理了美国过去250年经历的五次重大技术革命，试图从中提炼出适用于AI时代的共同规律。 1、五次创新浪潮 过去250年，美国经历了五次由突破性技术集群驱动的创新浪潮： 第一次是工业革命（约1790s-1840s），核心是工厂、蒸汽动力、运河和早期铁路，持续约60年； 第二次是蒸汽、铁路与钢铁时代（1830-1910），铁路里程从1860年的3万英里飙升到1900年的19.2万英里，持续约55年； 第三次是电气化与内燃机时代（1890s-1940s），1902年到1929年间美国发电量增长超过十倍，福特Model T在1908年面世，持续约50年； 第四次是电子与航空时代（1940s-1980s），晶体管发明、喷气式客机、州际公路系统，联邦研发开支占GDP的比重翻了四倍，持续约40年； 第五次是互联网与数字网络时代（1990s-2020），到2000年约一半美国家庭接入了互联网，持续约30年。 一个明显的趋势是： 每一波比上一波扩散得更快。 如果这个规律延续，AI的扩散速度可能超过互联网。 正好我在2月中也有聊过： 移动互联网花了10年时间走完了互联网需要20年的道路，而AI可能需要更短的时间就能走完移动互联网10年的发展之路。 2、六条反复出现的规律 跨越250年的五次浪潮，摩根士丹利提炼出六条高度一致的共同模式。 1）资本开支的巨大脉冲。 创新浪潮从来不是温和渐进的。运河建设在高峰期占GDP的1%（相当于今天的约3150亿美元），铁路投资在1872-1881年间平均占GDP的2.5%（约7900亿美元），且经常超过全国总资本形成的10%。报告直言，如果要给当前AI投资热潮找一个历史对标物，就是铁路投资。 2）劳动力被重新配置而非消灭。 每一次浪潮都引发了对大规模失业的恐惧，但历史上从未成真。农业就业占比从1800年的75%降到1910年的30%再到今天的不足2%，但总就业需求从未崩溃。工作的构成改变了——从手工匠人到工厂工人，从蓝领到白领，从制造业到服务业，从中等技能岗位到两极化分布——但工作本身一直延续。 3）生产率提升需要时间和组织变革。 早期扩散慢且不均匀，但一旦配套投资和管理模式到位，产出效率就会加速。工业革命年均约0.8-1%，铁路时代翻倍到约2%，电气化时代实现了"大飞跃"（1900-1929年非农每小时产出翻番），互联网时代在1990年代末从1.5%加速到3%。但每次加速都滞后于技术发明本身10-20年。 4）繁荣-衰退周期是标配。 1837年运河崩盘，1873年和1893年铁路恐慌，1929年股灾和大萧条，2000年互联网泡沫破裂。模式惊人地一致：狂热投资→投机融资→杠杆攀升→预期调整→痛苦出清。金融市场既加速了技术扩散，也放大了周期波动。 5）不平等走向取决于制度而非技术。 镀金时代的极度财富集中，到1940-1970年代的"大压缩"（工会、累进税、教育扩展推动收入差距缩小），再到1980年后的不平等持续扩大——技术本身不决定分配结果，制度和政策才是关键变量。 6）教育体系每次都被迫转型。 工业革命催生公立小学，铁路时代催生赠地大学，电气化时代推动高中运动，战后GI Bill扩展高等教育，互联网时代加强STEM需求。当教育扩展充分时，技术红利被广泛分享；当教育滞后时，不平等就加剧。 3、对AI时代的六大启示 基于历史规律，摩根士丹利对AI浪潮给出了六条判断： 1）生产率提升大概率发生， 但需要配合组织重新设计。 2）劳动力置换是过渡性的， 岗位构成会变化，但就业不会消失。 3）繁荣-衰退周期几乎必然， AI基础设施投资与铁路/电信建设高度相似。 4）不平等风险处于高位， 收入和财富不平等已达125年来最高，AI的可扩展性可能进一步加剧集中。 5）教育和再培训将是决定性因素， AI可能需要终身学习体系而非传统学位路径。 6）政策制度至关重要， 反垄断、社会保障、人力资本投资决定了红利是被广泛分享还是被少数人垄断。 4、如果这次不一样呢？ 摩根士丹利也讨论了一个重要的风险场景。AI作为通用技术，跨行业覆盖面可能比以往任何技术都广，扩散速度也在加快。 在极端情况下，AI可能不是辅助劳动力而是替代劳动力。如果走到那一步，经济可能经历一次向高增长的体制转换，同时伴随劳动收入份额的急剧下降和不平等的大幅恶化。 报告并未排除这种可能性，但认为历史仍然是形成基准预期的最佳参照。

Wells Fargo Check 奇遇记

淘天集团自研模型 HappyHorse-1.0 登顶全球视频评测榜单 由张迪领衔的淘天集团未来生活实验室（隶属ATH-AI创新事业部）自主研发的文本转视频模型HappyHorse-1.0，近日在权威AI评测平台登顶。该模型凭借卓越的画面一致性与动态生成能力，超越了Seedance 2.0、可灵等主流闭源模型。目前，该实验室已实现独立运营，致力于前沿AI技术的垂直应用与创新探索。 来源：新浪财经 / iTiger / LufzzLiz / Artificial Analysis

美联社：为期两周的停火计划包括伊朗和阿曼对通过霍尔木兹海峡的船只收费

美联社：为期两周的停火计划包括伊朗和阿曼对通过霍尔木兹海峡的船只收费

关于巴菲特的投资知识图谱，这是我见过做的最好的网站！ 看到了一个网站，包揽了从 1956 年到 2025 年的 致股东的一封信，以及给自己合伙人的一些信件。 还把很多其中里面关键的概念、以及涉及到的公司都详细罗列出来， 可以说如果你想要花时间认认真真去研究与学习巴菲特过去的故事以及其过去的“战绩”，这个网站会是一个不错的选择。 那这里也多讲一句，虽然这里很详细，但是如果你是一个初学者，初步了解巴菲特的话，其实不建议上来就看那些股东的信！ 因为你很难根据当时的情况了解实际的背景，而且信息的密度很大，很难上手学习，都是“片面化”内容，很难有长足的进步！ 我个人的建议是你可以去找一些巴菲特生平的书籍看看，你对这个人有一个更加立体的了解，其实《穷查理宝典》我就非常推荐，有故事、有案例，也有思考，就非常推荐大家去读一读。 buffett-letters-eir.pages.dev

Anthropic推出模型差异分析工具揭示地缘政治对齐特征 Anthropic研究团队近期开发出一种名为“Diff工具”的可解释性分析方法，旨在自动检测并量化不同AI模型间的行为差异。研究发现，地缘政治因素已深度嵌入模型特征中：Qwen与DeepSeek模型展现出明显的中国政策对齐特征，而Meta的Llama模型则携带显著的“美国例外主义”倾向。实验证实，通过对特定特征进行激活或压制，可以受控地改变模型在敏感政治议题上的表述立场。 此外，该工具还识别出不同模型在版权保护机制上的差异，如OpenAI模型具有更严苛的内容过滤逻辑。这项研究不仅证明了模型价值观的可测量性与可控制性，也为监测模型版本更新中的行为偏移提供了技术手段。通过对比分析，研究人员能够更清晰地观察到技术开发者背景对人工智能底层逻辑的塑造作用。 来源：Anthropic

United 伦敦飞旧金山的航班，堪比东航京沪快线 价格贵不说 Onboarding 的时候，1K 的队比普通队也长太多了