AI圈子首页 · 最新大模型、AI产品、Agent与开源项目动态

吴恩达又说了一遍那个反直觉的建议：人人都该学编程。面对"AI 会把编程自动化掉、所以别学了"的高管论，他的反驳是——逻辑正好反了：正因为 AI 辅助让写代码变得前所未有地容易，才更值得每个人都去学。

他已经在多个岗位上看到了明显的生产力差距，而且不只发生在软件工程师身上：市场岗最好的人不等工程师、自己把网站做出来；招聘岗最好的人不肉眼筛简历、写个程序代劳。会把需求交代给计算机的人，正变得强得多、高效得多。

这段话里最要紧的一句被很多人划过去了：他说的学编程，不是一行行手敲——他自己几乎从不这么做。学编程的实质，是学会用计算机听得懂的方式把需求说清楚。

这一下就把编程课的考试大纲换掉了。过去的编程教育考的是"写得出来"：语法记牢、算法手推、边界条件不漏；AI 时代考的是"说得清楚"：结构化、有边界、可验收——这恰好是把需求翻译成机器指令的能力。同样一门课，评价体系从手指挪到了语言组织；同样一个学生，过去的短板可能是指法和语法，现在的短板是描述不清自己要什么。

这跟今晚几条线严丝合缝地对上了。说清需求＝prompt 写得像规格、＝任务规格是最稀缺的资产、＝不收 PR 收 prompt 的贡献新通货——编程的内核一路收敛到"表达"；再往回看那条"语言从目的降为底料"的判断，两篇其实是同一件事的两面：语言作为手工艺在贬值，作为表达的语法在升值。底料不能没有，但底料的意义不再是敲出来，是读得懂、说得清。

更实际的是它对非技术岗的暗示。吴恩达举的例子都不是程序员：市场做落地页、招聘做筛选器——这些活的共同点是"需求明确、范围有限、试错便宜"，正是 AI 辅助编程最顺手的一类。对职场人来说，接下来拉开差距的不是你写多快，而是你能不能把"我想要什么"压缩成计算机不产生误解的一段话。

给想补这一课的人一句落地的：别从算法刷题开始，从改写自己的工作流开始——把你上周手动做了三遍的那件事，用一句话描述给 AI，看它误解在哪。误解点就是你的表达漏洞；把漏洞补完，你就已经会"用计算机的方式说话"了。

可以卸载掉 Typeless 了！！

因为它今天宣布免费额度降到 2000 字了，10 分钟就能说完，这就完全不能用了😭

所以我今天一直在找能替代它的产品，最后找到了网易新出的叭哥说。

实际用下来，它基本把 Typeless 那套核心体验都做到了：

1. 去语气词、口头禅、自动更正、去重
2. 自动排版分段
3. 支持 100+ 语种翻译，中文还支持方言输入

4.手动 + 自动收录词汇，还能根据语音输入自动提炼词典

1. 支持最低至 30 dB 的低语模式

更牛逼的是，它宣称终身免费！！完全可以放心用。

我感觉 UU 远程之后，网易这是彻底打开任督二脉了！！

放个地址：bug.youdao.com

蚂蚁开源了一套声纹验证模型 AntSpeaker/MECT，超小、可实时跑：100ms 低延迟下保持高精度的声纹特征提取（细节以官方发布为准）。

数字部分是这篇的硬通货。他们把 MoE 引进了全监督的声纹训练，用一个 957 万参数的小模型，在 VoxCeleb1 上追平、平均指标反超了 5.87 亿参数的预训练模型——参数差 61 倍，小的那个赢了。

这等于把"专家分工"这套大模型的看家玩法，原样搬进了一个小模型的全监督任务里：不是把一切知识塞进一个大脑，而是让门各归其位、按需唤醒。晚上刚聊过模型路由"按环节配"，这条给出了它的参数版——任务够窄，专家就够省。

因果重训练那半句决定它能不能落地：100ms 延迟加近离线的精度，意味着模型真的能进实时场景，而不是只能在论文里跑分。声纹验证最怕的就是等——"请说一句话验证身份"说完没反应，体验直接归零；100ms 是把等待压进了人耳察觉不到的区间。

场景给得也直接：银行与客服热线的电话核身、App 登录、设备唤醒只认主人声音——金融核身与端侧解锁是最自然的落点。把它放回语音管线的坐标系，和之前几块拼图正好对上：耳朵（本地听写）、嘴（朗读）、床（音轨分离）、再到今天的"验明正身"——一句"谁在何时说"由时间戳管、"是不是同一人"由声纹管，分工写得清清楚楚。语音链从"能听懂"补到了"可信地听懂"。

给要做语音核身的人一句落地的：先拿你真实环境的声音试——电话信道的压缩、环境噪声、戴口罩说话，这三样是实验室精度的三大杀手；VoxCeleb1 上反超 61 倍是基准的胜利，你的场景信不信，得用你自己的录音测。

有人把一个开源小工具推荐得很实在：把自己的手机号丢进去跑一遍，各大平台注册过的账号一个接一个冒出来，连注册年份都列得明明白白——十年前早忘掉的贴吧小号都被翻了出来。工具站：leak-check.garinasset.com 仓库：github.com/garinasset/lea…

推荐语里给出的三条信任理由，值得当成这类工具的验收标准抄下来：一，查过不留痕迹，信息用完即散；二，不夹带私货，不顺手塞别的东西给你；三，代码全在 GitHub，谁都能一行行翻着看。

三条其实是一句话的三个面——你把最敏感的号码交出去之前，得先确认它凭什么可信。第一、二条约束行为，第三条把行为摊开给所有人检查，这正是"可检视才是信任"在工具选择上的落法：与其读十句"我们很安全"，不如读一遍源码。

"自己先摸底"这个动作也值得放大看。安全线之前聊的是外部防线——服务端的漏洞通告、依赖的版本自查；这条转到了个人侧：互联网上关于你的数据早就是既成事实，与其等着哪天被人先用一步，不如自己先把底摸清。摸清之后能做的事很具体：哪些平台还留着十年前的注册，逐个注销；哪些号码泄露是重灾区，换绑或加防护。隐私在今天确实是奢侈品，但奢侈品也能靠主动管理少交一部分税。

顺带说一句这类工具的使用纪律：越是"用完即散"的承诺，越要先看它怎么做到——查询是本地跑的还是服务器跑的、日志保留策略写没写进文档。开源把答案摆在台面上，正是它区别于同类闭合服务的地方。

给想自查的人一句落地的：选工具时对着那三条标准过一遍——不留痕、不夹带、可翻码，三条缺一条就换一个。跑完别只后背发凉，把清单里能注销的账号当场注销掉一半，才算这次查询物有所值。

Magpie 最新版把一个动画搬进了 Routing 的可观测性页面，作者特意强调：这不是装饰——动画实时显示的，就是 Gateway 内部此刻真实发生的模型路由逻辑。（演示视频见原贴）

这条正好补上昨晚那篇"自动换马为什么难"缺的半张图。当时说三道坎：路由本身是调用、上下文搬家贵、任务分布不清；结论是短期先按环节手动配。而 Magpie 演示的是另一个层面的问题已经解决——路由不仅在跑，而且被做成了看得见的东西。

实时可视化路由，价值在三处。其一，可解释性落地了：每个请求此刻被派给哪个模型、为什么走这条分支，不再是配置文件里的静态规则，而是屏幕上正在发生的事——出了怪结果，你能指着动画说"就是这里分错了"。

其二，信任是靠看建立的：昨晚说观测评的是"三次点击翻到现场"，动画把三次点击变成零次——你不需要下钻，因为现场一直开着。其三，路由从策略变成了产品：当"怎么分活"能被演示、被解释、被复盘，它才第一次具备被团队共同讨论的资格，而不是某个工程师藏在网关配置里的私货。

顺带记一句作者的幽默：Magpie 会飞——名字和动画咬得挺紧，也说明这类基础设施开始在意"好不好看懂"，而不只是"跑不跑得通"。观测线走到今天第六格：看全、看见、动手、成套、读懂，再加这格——好看。工具愿意为"好看"花心思，通常意味着它的用户已经从工程师扩展到了整个团队。

给在评估模型路由的人一句落地的：选型时要求演示方打开实时视图跑十个真实请求——你能亲眼看见分流的，说明它的路由逻辑经得起看；只肯给你看配置文件的，先把配置里的默认值问清楚再谈智能。

Raft 团队发了个不大不小的公告，但里面藏着一个不小的转向：Raft 现在是 source-available，而且他们不接受 pull request——改收 prompt request。用他们自己的话说，这是在探索"agent 时代，开源的贡献模式可以长什么样"。

把这两句话分开看，第一句是许可的微调，第二句是把贡献的入口整个换掉了。

过去四十年，开源贡献的通用货币是 PR：你读懂代码、写出补丁、维护者审阅、合并。这条链条的每一环都默认贡献者是人——读懂靠上下文、写补丁靠手艺、审阅靠经验。当贡献者换成 agent，链条的每一环都变了：读代码对它是秒级的事，写补丁的成本趋近于零，真正稀缺的变成了"知道该往哪改"的意图。

于是入口从 PR 换成 prompt request——你提交的不再是一份改好的代码，而是一份想让它改成什么样的描述，由 agent 阵列去落地。

这个换法也顺手回答了今晚反复出现的一个问题：当代码生成变得像自来水，什么还是稀缺的？上午那篇说任务规格是稀缺资产，这篇给了供给侧的呼应——规格（prompt）正在成为贡献世界的通货，代码退居其后。写清意图的人握住了价值链的上游，执行被摊薄成边际成本。

对社区治理，这个实验也值得盯。PR 时代的争议是"谁的代码合进来"，prompt request 时代的争议会变成"谁的意图被执行"——维护者审的不再是 diff，而是意图本身合不合项目的方向；审阅的压力从代码质量挪到了意图质量。这其实是把开源的把关往前挪了一步：早审一步，胜过晚纠十处。

留一格清醒的边界：source-available 不等于开源，不收 PR 也意味着贡献路径收窄了一半；对研究者和二次开发者，先去把许可条款读完再决定用不用。这类"半开门"的实验越来越多，本身也是信号——许可证的光谱正在重新排列，谁也说不准三年后"开源"两个字的定义在哪一档。

给想给开源项目出力的人一句落地的：先别急着写补丁，看看项目收不收 prompt request——收的话，把你的意图写成一句可验收的话，比交一份风格不合的 PR 更容易被接住。

有篇画像帖把教育供给侧的问题写得很难听，但逻辑站得住：一个 40 岁的教授，一辈子没在工业界写过一行代码，没做过 pure C、C++ 的工程实践，也没死缠烂打读过设计者和社区的博客——经费和项目靠硕博干活，行政缠身、家里要顾，累了只想刷刷短剧补个觉。问他有没有动力去工业界比对语言特性、改革上课内容？没有。于是他只能念 PPT、出脑筋急转弯。

这段话的价值在于把批评从"老师不努力"挪到了"激励结构"。先说句公道话：画像里那个人不是懒——他的精力分配完全理性。改革课程对他的回报是什么？教学成果在职称评审里权重稀薄，工业经验不计入考核，论文和经费才是硬通货；而他的学术产出又建立在学生代劳之上，形成了一个自我巩固的闭环：越是不碰工业实践，越依赖学生代劳；越依赖代劳，越没有时间碰工业实践。个人在结构里做了最优选择，系统却在整体变差——这不是道德问题，是激励问题。

把它和今晚的教育线拼起来，图景才完整。需求侧早就变了：栈通胀让学历贬值、课程通缩让教学内容落后于行业；学习侧也变了：科班生自己都觉得语言像上个世纪的东西；今天补上供给侧这最后一格——教的那端为什么不动？因为动了不加分。三格凑齐，解释了为什么喊了这么多年的教学改革总是雷声大雨点小：学生在变、行业在变、唯独考核指挥棒没变。

对自学者而言，这个画像反而给了一个清醒的定位：别指望课堂追上行业。教授的知识结构停在哪，你的课堂体验就停在哪——这不是某个老师的失职，是系统的默认输出。真正有效的补法是把行业脉搏接进自己的学习回路：读设计者和社区的博客、把动手实践当主食、让项目反馈代替考题反馈。

画像里那位教授没动力做的三件事，恰好是个人最有动力也最容易做到的三件事——因为回报直接落在你自己身上。

给还在课堂里挣扎的人一句落地的：把 PPT 当索引、把脑筋急转弯当练习题，然后自己去找那条真正的主线——课程能给你的最好东西是结构感，剩下的一律自己补。结构感加上自补的部分，比满分的试卷值钱。

ChatGPT Pro Max 的爆料走到第三轮，这次给出了价格：每月 500 美元——爆料方的截图与连续追踪放出的数字，并称这将是市面上最贵的 AI 订阅之一（具体以 OpenAI 下周 DevDay 官方口径为准）。

把三轮爆料串起来看很有层次：第一轮只有"在开发"，第二轮补上"赶在 DevDay 前"，第三轮落地价格——传闻的成熟过程本身就是一次信息披露的样板：从存在性、到时间点、到数字，每一步都独立可验，直到官方开口。

500 这个数字值得对着今晚的计费线读。现在公开的梯度是 Plus 20、Pro 200，再往上直接跳到 500——顶端不是被填满，是被抬高了一倍半。这说明供给方判断：愿意为"更强的默认配额"付费的重度用户，其支付意愿远未见顶；订阅分层的逻辑从"够用就升级"变成了"上不封顶地探"。

同一天另一条"被拦也计费"讲的是防御性收费、"按执行扣费"讲的是用量透明——三条拼起来，AI 计费的地图正在从单一月费裂成三块：底座订阅、用量后付、顶端壕沟。

对普通用户，500 档其实是个好消息：它不动 20 和 200 两档的性价比，反而衬得现有档位更划算——锚定价越高，中间档看起来越像折中。真正的问题只剩一个：500 那档到底多出什么？如果答案只是"配额更多"，它是奢侈品；如果答案是"独占的能力"，那订阅制的天花板就换了一种性质。DevDay 见分晓。

给观望的人一句落地的：先别预付情绪，等两件事——官方公布 500 档的独占清单、以及你自己的用量在过去一个月有没有顶到过 Pro 的墙。没顶到墙的，涨价与你无关；顶到墙的，再看多出来的能力值不值两倍半的差价。

有句对比写得很准：大多数人用 Claude 的方式是——打开、写个提示词、拿答案、开下一个会话；更好的方式是把它当成一套完整的工作系统。作者把换挡总结成一句话：从"问 AI 一个问题"，变成"在你的工作流里给 AI 安一个角色"。

这句话的分量在于它换了计量单位。"问问题"按次计费、按次遗忘——每次开窗都是陌生人，你得把背景重讲一遍，答完就散；"安角色"按岗位经营——位置一旦设好，你的规则、口径、默认值就长在那儿，每次开工它已经在位。前者是把 AI 当工具箱里的一件工具，后者是把 AI 当团队里的一格编制。

顺着这个思路回看今晚搭过的几样东西，会发现它们全是"角色"的具体形态：CLAUDE.md 是角色说明书——写清你是谁、按什么规矩干活；记忆文件是角色的履历——上次哪里错、这次别再犯；skills 是角色的岗位技能——重复的活形成固定动作；分工明确的多个 agent 则是把角色铺成团队——策略、执行、质控各占一格。

工具箱逻辑下这些东西都多余，因为工具不需要履历；编制逻辑下它们全是必需品，因为编制要能被指望。

心态换挡最直观的差别发生在你下次打开窗口的时候。问问题的人开口是"帮我写个函数"；安角色的人开口是"按上次的规范，把这三个模块的测试补齐"。前者每次都从零解释，后者默认上下文都在——省下的不只是打字，是把"重新自我介绍"这个摩擦整个去掉。

给还停在问答模式的人一句落地的：不用换工具，换个开场白就行。下次打开 Claude，第一句话别问任务，先说规则——告诉它你的角色、你的禁忌、你上一次不满意的输出。这个动作花不了三十秒，却是从工具箱走向编制的分水岭。

有个提问在圈子里传得挺开：为什么到现在还没人做一个 coding agent，能按任务在 Claude、Codex 和 Gemini 之间自动切换？

问题本身预设了一个美好的未来——"自动换马"。认真拆一下，会发现它没普及不是没人想到，而是三道现实的坎还没过去。

第一道，任务分类这步谁来做。自动切换的前提是先判断"这活该给谁"，而这个判断本身也是个模型调用：用便宜的分类器，分错了把难题丢给弱模型、任务直接翻车；用强模型先想一遍，那路由的成本已经花掉了，切换省下的钱未必抵得上。多数场景里，路由的开销和收益打平，自动就没有意义。

第二道，上下文搬家。每个模型的脾气不同——谁擅长长上下文、谁喜欢什么格式的指令、谁会在哪类任务上偷懒，这些"驾驶手册"是按模型写的。换模型意味着上下文重新对齐：参考示例要换、失败记录要翻译、连提示词的措辞习惯都可能要调。搬家成本高的时候，不如固定用一个。

第三道，账算不过来。今晚另一条刚讲过"够用线"：多数任务用不到旗舰，但真正省下钱的前提是你的任务分布足够清晰——知道自己每周有多少活落在哪一档，才配做自动分配。任务分布糊成一团的团队，手动挑都挑不明白，谈何自动。

不过这个方向并没有死，它在以更温和的形态落地。今天早些时候看过两块拼图：ECC 那套配置里，每个岗位 agent 都写明了"认得自己这行的主力模型"——那是把路由做进了岗位说明书，静态但可靠；Android Studio 的任选 agent 则把选择权交给了人，交互式的"按环节换"。

两块合起来，其实已经给出了短期答案：自动路由的完全体不好做，"按环节手动配、按岗位静态定"是现在就能跑的版本。

给被这个问题勾住的人一句落地的：别等完美的自动切换，先做一次任务盘点——把你最近两周的活按"推理重、速度快、上下文长"分成三堆，给每堆指定一个默认模型，用一周。一周后你会拿到自己的任务分布图，那时候再决定要不要自动化：分布清晰，上路由；分布模糊，先别碰。

OpenClaw 干了一件反直觉的事：删掉了自己约 40 万行测试代码，而代码覆盖率几乎没有变化。作者的解释很直接——现代模型就是爱为每个微小改动写测试，哪怕这些测试根本没用；这次帮上忙的是仓库里的那个 skill。

审计脚本：github.com/openclaw/openc…

40 万行、覆盖率不变——这两个数字放在一起，等于宣告其中绝大部分测试是仪式。正好接上昨晚那篇"装着挑毛病"：门禁被仪式化是评审侧的病，测试被仪式化是资产侧的病，同一个根源——写得多不等于拦得住。AI 生成测试的成本趋近于零之后，测试从"稀缺的保险"变成了"廉价的表态"：每一行改动配几个用例，看起来尽职，实际上只是把噪音写进了仓库。

覆盖率没掉这半句最值得拆。它说明被删的测试确实没在"防什么"——没有它们，回归照样抓得住；这提醒我们一个反常识的事实：测试的价值不在于数量和行数，而在于它是否覆盖了"坏起来最疼"的路径。一行没覆盖到关键路径的用例，写一万行也只是仓库的体重；反过来，几十个直击要害的用例就够用。判断测试好坏的尺子从来是"漏了会怎样"，不是"有没有写"。

有意思的是解法的形态：不是人写了个规范贴在 wiki 上，而是一个 test-audit 的 skill——让 agent 拿着审计标准去筛自己人写的测试。用 agent 对付 agent 的产出，这恰好是这套工具最擅长的形态：机械、可重复、不怕得罪人的活。今天另一条"评审三态"里那个装样子的门禁，缺的也正是这样一份不讲情面的审计。

给正被 AI 测试灌爆的仓库一句落地的：先跑一遍你自己的"测试审计"——对每个用例问一句"它挂了说明哪里坏了"。答不上来的，就是那 40 万里的一员；删掉它们，覆盖率大概率纹丝不动，而你的 CI 会因此快上一截。

一句话戳中了当前多 agent 团队的通病：大多数 agent 团队只为"完成任务"而优化——干完就完。WorkSwarm 换了个设计目标：让它在干活的同时变好——把多 agent 协作变成一条持久循环，agent 之间互相协调、从执行里学习、工作流随时间持续精炼。

仓库：github.com/openJiuwen-ai/…

这已经不是这条线的第一篇了。前面那篇讲它的三个不丢——上下文、归属、决策，解决的是"一队 agent 别失忆地干成事"；今天这半句补的是另一维：从"完成"到"改进"。

"完成"和"改进"的差别，其实是一次时间尺度的换挡。为完成优化的系统，评估的是这一单任务的成败，跑完就归零；为改进优化的系统，评估的是这一单给下一单留下什么——哪条捷径值得固化成 skill、哪次踩坑值得写进记忆、哪段流程值得重排。任务是事件，改进是导数；只看事件的团队永远在原地跑，看导数的团队每一单都比上一单便宜。

这个循环要真转起来，缺一环就断：得有可回放的执行记录（否则"学"无从谈起）、得有入库的审批（否则学到的坏习惯也照单全收）、还得有周期性的回顾节奏（否则改进只发生在第一次）。恰好，今晚三件套各占一环——执行留痕、门禁签发、定时复盘。三环凑齐，"边干边学"才不是宣传语。

顺便记一个行业侧的观察：同一批开源框架最近密集出现"learning loop""improve over time"这类措辞，说明多 agent 的竞争焦点正在从"能不能跑通"挪到"会不会变强"。跑通是入场券，进化才是分水岭——这和模型侧的递归自我改进是同一个逻辑在工程层的投影。

给正在搭多 agent 的人一句落地的：先别急着加第四个 agent，先检查你的系统有没有"下一单比上一单强"的机制——哪怕最小的版本也行：每次跑完挑一条最痛的失败写成清单、下周跑之前先读一遍。循环是从这一步开始转的，不是从宣布 learning loop 开始转的。

一条关于"Review 别人用 AI 写的代码"的吐槽，把现场写成了三态：一，根本看不懂——AI 写的代码太高级，或者自己根本不熟这门语言这个框架；二，看懂了也挑不出毛病——AI 写的确实干净；三，但为了显示自己真的在 review，就让自己的 agent 再过一遍，挑出几个小毛病交差。

前两态是能力问题，第三态才是要害：门禁正在被仪式化。

回想今晚讲过的几条——新鲜上下文复读、门禁与签发记录、失败测试先于修复——它们成立的前提都是"review 的人真的能审"。当被审的代码复杂到审不动、干净到挑不出错，门禁就退化成盖章：章还是要盖的，只是盖章的依据从"我读过了"变成了"我的 agent 说有三个小问题"。

问题不在于用 agent 挑毛病本身，而在于动机是表演给流程看的；由表演驱动的挑刺，只会往正确性里掺噪音。

更深一层，"看懂了也挑不出错"这句话本身值得拆。它可能是两种完全不同的情况：一种是代码真的干净——AI 的常规产出确实规范，规范到挑刺的成本高于收益；另一种是审阅者的判断力没跟上——AI 的写法跳过了很多传统脚手架，读起来陌生，于是"挑不出错"其实是"不知道往哪看"。

两者外观一致，含义相反：前者说明自动化到位了，后者说明人的能力成了短板。分辨的办法也简单——给同一份代码换一个更资深的人看，如果他能挑出真问题，那前一位的"挑不出错"就是后者。

第三态的解法，其实今晚已经给过：门禁不能只问"有没有 review"，得问"review 的依据是什么"。一份能立住的评审，至少要说得出：改了哪几处、影响哪几条路径、为什么这样改比原来好。说不出这三样的，无论盖章的是人还是 agent，都是走过场——而走过场的门禁比没有门禁更危险，因为它会让人误以为有人在把关。

给团队一句落地的：把"挑出几个小毛病"这种指标删掉，换成"评审意见必须引用具体行号和理由"。数字逼出来的意见只会喂养第三态；引用逼出来的意见，才是门禁该有的牙齿。

马斯克又抛了一句终极断言：太空里的算力量，显然会四舍五入到全部算力的 100%。

单句听上去像狂语，但它其实是同一天那三条战略的续篇，也是唯一的终极解。夜里他刚说过硬件难——把大规模算力快速上线极其困难，电、冷却、机架、供应链，每一样都在地面掐着脖子；这句话给出了他心里的终局答案：地面上的每一道坎，太空里都没有。

轨道上太阳能几乎是连续的，真空自带散热，Starship 把发射成本拉低一个量级之后，"把数据中心搬上天"从段子变成了长期账本上的一行。

"四舍五入到 100%"这个措辞值得品。他没有说"会占很大比例"，而是直接取整到全部——这不是预测，是终局宣示：只要能源和散热这两个根本约束在太空被同时解开，算力就没有理由留在地面。押注的逻辑很清楚：模型可以算法优化，部署最终卡在物理；物理的上限不在机房，在轨道。

当然要留一格清醒：这句话是方向而非时刻表。眼下真正能对表的是中间步——发射成本每降一档、星间链路每宽一分，太空算力的账本就更接近成立。与他前一句"六个月到杆位"一样，敢把终局喊出来的人，通常也在地面上有具体动作；判断这条线快慢，别看他怎么说，看 SpaceX 今年又把多少荷载和电力问题往前推了一格。

给盯能源侧的人一句落地的：算力的终极瓶颈从来不是芯片，是电力与散热——地面这两项被政策和电网卡着，太空是唯一同时放开两项的地方。他这句狂语真正的读者，不是散户，是正在给下一个十年选址的人。