修炼

你以为 AI 工具是在拼谁更聪明，其实现在先拼的是谁先把“底盘”修好。Cline 这家公司最近干了件很有意思的事：把自己内部一直在用的 Cline SDK 放出来了。SDK 你可以把它理解成一套现成工具箱，别人不用从零造轮子，拿来就能搭自己的 AI 助手。它还是开源的，开源就是代码免费公开，谁都能看、能改、能接着用。更关键的是，这不是个展示用样品，它已经在给 Cline 自家的 CLI 和 Kanban 干活。CLI 就是那种黑底白字、靠敲命令操作的工具；Kanban 是任务看板，像办公室墙上那种“待办、进行中、已完成”三列便签。现在连 VS Code 和 JetBrains 这些写代码常用的软件插件，也要搬到同一个底盘上。高潮就在这儿：Cline 不想再做几个分散的小工具了，它是在把自己变成“AI装修队的总包”，以后别人不只用它的产品，还能直接用它的地基。对普通人这事的影响是，未来你看到的 AI 助手可能没那么多花架子，但会更稳、更像一个真能干活的实习生。以前是每家自己焊个小推车，现在是开始卖发动机了。谁卖得好，谁就不只是卖铲子，是直接收过路费。

你以为马斯克告奥特曼，是要让全世界法官决定“AI该不该拯救人类”？没那么电影。现在这场很热的官司，真正摆到陪审团面前的，其实是几道很具体的公司题。先把人捋清楚：马斯克当年是 OpenAI 的联合创始人之一，后来分开了；奥特曼是现在 OpenAI 的核心负责人。外面很多人把这案子讲成“AI理想主义大战资本主义”，听着很带劲，但法庭不吃这种标题。陪审团要看的，是 OpenAI 后来的结构、管理方式，还有它是不是偏离了自己最早说的使命。公司结构这词听着硬，其实就像一家店原来说好做社区食堂，后来越开越像高端私房菜，那当初一起出钱的人就会问：你到底有没有按原来的路走？这案子的高潮就在这儿：它不是在审判 AI 的未来，而是在审判一家最火的 AI 公司，能不能在“初心、控制权、赚钱”这三件事里自圆其说。对普通人来说，这比口号更重要，因为以后很多 AI 公司都会碰到同一个问题——嘴上说为大家，账上却得为股东。法庭最后判的也许不是机器人该不该有灵魂，而是创业合伙人翻脸时，聊天记录到底算不算证据。

最尴尬的合并，不是业务没协同，是人先散了。马斯克把 AI 和太空相关业务拧到一起，弄出一家叫 SpaceXAI 的公司，听名字就很猛，像要一边发火箭一边训练机器人。可 TechCrunch 说，从 2026 年 2 月以来，这家公司已经走了 50 多名员工，而且不是一个小角落，是多个团队都在流失。为什么这事值得看？因为公司合并本来是想把人、钱、技术放进一个锅里，熬出更强的战斗力。结果现实常常像搬家：纸面上是“资源整合”，员工体感却是“我老板到底是谁，我明天做啥”。这里的高潮不是 50 这个数字本身，而是它来得太快了。刚合并完，外界本来期待马斯克在 AI 赛道再加一脚油，结果先看到的是组织磨合出了问题。对普通人来说，这很像你把两家餐馆并成一家，菜单更大了，招牌更亮了，但后厨师傅先走了一半，那顾客最后吃到嘴里的，未必更香。技术行业也一样，机器可以买，品牌能喊，真正难的是让一群聪明人愿意继续坐在同一张桌子上。说到底，火箭可以硬对接，人心这玩意儿可没有自动锁扣。

你以为最危险的黑客是人？现在很多公司先防的是会写代码的AI。OpenAI最近干了件特别像带娃的事：它想让自家的Codex干活。Codex你可以把它理解成一个专门写程序的AI，像一个不会喊累的程序员实习生。但问题来了，真让它在Windows电脑上干活，它得能看文件、开工具、跑程序，权限不给够，它啥也干不成；权限给太多，万一它手一滑删文件、乱装东西，甚至碰到危险内容，那就不是实习生，是拆家队了。所以OpenAI给它做了个“沙盒”。沙盒就是一个隔离房，像你让小孩在围栏里玩沙子，铲子桶都给你，但不能跑到客厅拆电视。这个Windows沙盒的重点，不是让AI更自由，而是让它在可控范围里真能干活：能改代码，能用系统工具，但活动路线被盯得死死的。高潮就在这儿：AI写代码真正开始落地，拼的已经不是它会不会写“hello world”，而是你敢不敢把公司电脑钥匙交给它。OpenAI现在的答案很现实——钥匙可以给，但先装三道防盗门。说白了，AI程序员上班第一天，不是发工牌，是先发儿童防撞角。

一场决定AI未来的大官司，最出圈的道具居然是坐垫。不是我开玩笑，是Wired去看马斯克起诉奥特曼这场庭审，发现法庭里很多律师、当事人、旁听的人，都默默带上了高级屁股垫。为什么这细节有意思？因为它一下把这场官司从“科技圈神仙打架”，拉回到了人类最朴素的现实：谁先把对方说服还不知道，谁先把腰坐废倒是很具体。这案子核心，是马斯克挑战OpenAI后来的路线，质疑它有没有偏离当初的方向。OpenAI你可以把它理解成做ChatGPT那家公司，奥特曼就是它最有名的掌舵人。双方已经在法庭上连续鏖战很久，原告和被告都把各自的主要说法摆出来了。高潮不在一句爆料，而在这个画面本身：AI行业最顶级的一场权力争夺，最后竟然变成了体力活。你会发现，改变世界的争论，很多时候不是在科幻实验室里完成的，而是在法庭硬椅子上，一寸一寸熬出来的。所以这新闻最像什么？像两拨人讨论超级智能的未来，结果最先升级的，是人体工学。

你以为Notion只是个高级笔记本？它现在想当AI员工的办公室主任了。Notion原来很多人拿它记笔记、做项目表、写会议纪要，像一个长得很整齐的数字文件柜。可它这次新上的开发者平台，野心大多了：它要把各种AI智能体都接进来。智能体这个词听着玄，其实你就把它当成“会自己跑腿的AI”。普通聊天AI像前台，你问一句它答一句；智能体更像助理，你说“把这个项目资料整理好，再去查销售数据，最后发我一版总结”，它会自己串联步骤去做。Notion现在做的，就是把这些AI助理、外部数据、还有公司自己写的小程序，全塞进同一个工作区里。等于以前是你在Notion里填表，现在可能是AI自己去翻文档、拉数据、更新任务。高潮来了：办公软件的竞争，正在从“谁排版更好看”，变成“谁能养一群AI同事”。如果这套东西跑顺了，你打开Notion，看到的可能不只是待办清单，而是一屋子已经开工的数字员工。以前老板问你活干完没，现在你可能得先问一句：是我干的，还是Notion里的AI干的？

最先给AI发工资的，可能不是互联网公司，是美国医保。这个事发生在美国老年医保Medicare。它最近搞了一个新支付模式，名字叫ACCESS。你别被名字吓到，说白了，就是政府第一次认真给一种“诊间外服务”开了收费口。什么叫诊间外？就是你没坐在医生面前的时候。比如你回家以后，AI软件盯着你的血糖、血压、心率，发现不对劲就提醒护士跟进，或者催你按时吃药。以前这类AI最尴尬的地方不是没用，而是有用也没人知道怎么付钱。医院想上，财务先摇头，因为医保报销表里没这格。现在ACCESS像是在菜单上新加了一栏：只要这种AI真能帮医生持续管理病人，而不是只在门诊里当个聊天工具，它就有机会被报销。高潮就在这儿——医疗AI过去像实习生，能干活但没工号；现在它第一次可能有“工资条”了。对普通人来说，这会让更多医院愿意用AI在看诊之外继续盯着你，慢病管理可能从“有空再说”变成“系统天天盯”。以前AI在医院像编外人员，现在医保准备给它发工牌了。

你能想象吗，一个本来打着“为了全人类”旗号成立的AI机构，早年居然聊到像家族企业接班。这个料，是OpenAI掌门人Sam Altman在跟马斯克相关的法律纠纷证词里说出来的。他形容马斯克当年特别在意控制权，甚至提过一个让他“头皮发麻”的想法：OpenAI以后可以某种意义上传给自己的孩子。这里先说清楚，OpenAI就是做ChatGPT的那家公司，一开始它不是普通创业公司，外界理解它更像一个想把强大AI安全做出来、又不完全按传统资本玩法走的组织。所以“谁控制它”这件事，分量特别重。因为控制权不只是拿股份分红，它决定这台越来越聪明的机器，未来听谁的。故事的高潮就在这里：大家以前看AI大战，总盯着模型谁更强，参数多少。参数你可以理解成AI脑子里记住了多少经验。但这场官司提醒你，真正可怕的问题可能更朴素——这么大的AI能力，最后到底像公共图书馆，还是像祖传房本？Sam Altman说那想法让人发毛，我觉得也正常，毕竟聊天机器人要是最后按家谱继承，科幻片都得改叫《AI家有儿女》。

很多人以为AI公司最重要的是程序员，我现在越来越觉得，它们先得像个发电厂。马斯克的xAI最近就在美国田纳西州的Colossus 2数据中心，又加了19台便携式燃气轮机。燃气轮机你可以把它想成大型自备发电机，烧天然气发电。为什么要自己发？因为训练和运行大模型——也就是像ChatGPT这种能聊天、写稿、做总结的AI——特别耗电。你每问一句，它背后都像一屋子高性能电脑同时开工。问题是，xAI这边本来就因为空气质量和许可问题在打官司，结果官司还没完，机器先继续往上堆。这个画面就很有意思：一边是AI公司嘴上讲未来，一边是现场真的在冒烟。高潮在这儿——AI竞争现在拼的已经不只是算法，也不是谁会写代码，而是谁能搞到稳定电力。算力这个词，简单说就是让电脑高速动脑子的能力；而算力的尽头，常常不是芯片，是电表。对普通人有什么影响？以后你看到AI公司盖楼，不要只想它像互联网办公室，它更像数字时代的钢厂。以前我们担心AI抢饭碗，现在看，它可能先抢的是变压器。

你发现没，很多AI最尴尬的时刻，不是不会说，是说得像真的，但消息已经过期了。原因很简单：它平时更像一个背了很多书的学霸，知道大量旧知识，可一问今天发生了什么，它就容易卡壳。现在有个新做法，挺像给这个学霸配了个会跑腿的助理。有人把 Strands Agents 和 Exa 连起来用。所谓智能体，就是不只会聊天的 AI，它像一个能接任务的数字员工，会自己分步骤办事。Exa 则像专门给 AI 用的搜索员，不是随便丢一堆网页链接，而是帮它更快找到当前网上最新、最相关的信息。这样一来，AI接到问题后，不是硬着头皮瞎猜，而是先上网查，再整理，再继续下一步。比如你让它研究一家公司、比较产品、追踪最新新闻，它能边找边做，不再只靠脑内库存。真正的高潮在这儿：AI能力的关键，可能不只是脑子更大，而是它终于学会“遇事先查”。以后你用的 AI，拼的未必是谁记性最好，而是谁更像一个靠谱同事，知道自己不知道，然后赶紧去找。说白了，AI以前像闭卷考试第一名，现在终于被允许开卷了。

现在做AI，最值钱的东西，可能不是再造一个巨无霸，而是找个好老师。AI圈最近越来越火一个办法，叫“蒸馏”。这词听着像化学课，其实你就把它想成名师带徒弟。大模型，就是像 ChatGPT 这种能聊天、写东西、做题的 AI，体型大、脑子强，但也贵，像请一个顶级专家天天坐你办公室。小模型呢，没那么全能，但便宜、跑得快，像一个能干活的实习生。以前训练小模型，主要是把互联网海量文字喂给它，让它自己慢慢学，像让孩子自己翻遍整个图书馆。现在不一样了，先让强大的“老师模型”做示范，告诉学生遇到问题该怎么答、怎么推理、怎么一步步想。学生不必从零摸索，直接学高手的解题手法。高潮就在这儿：AI行业的比赛，正在从“谁家发动机最大”变成“谁家老师教得好”。这会直接影响普通人，因为以后你手机里、电脑里、甚至家电里的 AI，可能不用超级贵的服务器，也能聪明很多。说白了，以前大家拼命生天才，现在开始批量办重点班了。

很多人一看见“炒股策略”四个字，脑子里就自动响起两个字：玄学。但现在有人做的事，恰恰是先把玄学拉去体检。这个教程讲的是，怎么用一套工具把市场数据拉下来，再让电脑按规则做技术分析和回测。技术分析你可以理解成看价格和成交量的变化，像看体温和心跳，猜这只股票现在是发烧还是退烧。回测更好懂，就是拿一套买卖规则，丢回历史里重跑一遍，看它过去到底赚没赚，像球员上场前先看录像打模拟赛。这里用到的 pandas-ta-classic，本质上像一个现成工具箱，能快速算出均线、动量这些常见指标；再配上策略信号和表现指标，就能把“什么时候买、什么时候卖、最后收益和风险怎么样”一条线串起来。高潮在于，它不是告诉你“这招一定发财”，而是逼你先面对现实：很多听起来很神的策略，一回放历史就露馅。对普通人最有用的，不是马上去抄作业，而是学会一句话——先验货，再下注。毕竟股市最贵的课程，从来不是培训班，是你自己交的学费。