先看一组数字。网络文本在预训练数据中的占比，从 GPT-3 时代的约 85% 跌到 MiniMax-M1 的约 15%；MiniMax H3 把 2K 分辨率视频生成价格打到 Seedance 2.0 的一半以下；AI 顶流订阅从"每月 20 美元"涨到 Google Ultra 的 250 美元、Grok 的 300 美元，用户照付。这三组数字放在一起讲的是同一件事：智能，这个过去最贵的东西，正在以两位数的速度变便宜。
但每一篇文章的水下信息都在说另一半：智能变便宜的每一分，都在别处重新标价。这一期特刊把 34 篇萃取按四条线索重讲一遍，你会看到那条重新标价的曲线，最终落在谁的头上。
线索一 · 模型层智能在降价，先验在涨价
硅谷内部看模型竞争，看到的不是"苹果 vs 安卓"的平台故事。大模型太厚了，既是平台又吃掉应用，旧类比失效。真正的分层是三个市场：计算资源像水电煤，个人助手靠数据飞轮锁定，企业大脑嵌入业务流程。高价值场景里，5% 的智能差距意味着数量级的结果差距——药厂不在乎 200 美元和 50 美元的模型谁便宜，只在乎谁更聪明 10%。所以开源像计算资源，闭源的壁垒是"用得越深越难换"的数据飞轮。
更根本的变化发生在预训练的目的上。Base Model 没有死，它换了工作：从"压缩互联网的通用知识档案库"，变成"推理与智能体行为的行为先验"。RL 从锦上添花的樱桃变成能力的主引擎，比赛从"谁爬得大"变成 build the right prior — not the biggest archive。这直接改写了数据生意的定价：数据的价值不再取决于存储量，而取决于能否以可控成本提供高质量、可验证的学习信号——生意从"交付数据包"转向"交付能力改进"。而工作痕迹数据（带 commit 历史的代码、真实专业工作流）正在升值，因为它们正是新范式下最稀有的"正确先验"。
模型层还留着一个缺口：持续学习。Agent 可以处理百万次对话，但直到下一次预训练之前，能力一克未涨。短期记忆在上下文里，长期记忆要等权重更新——这是"每天失忆的聪明临时工"在模型侧的病根。两条路线在赶路：世界模型路线把失败轨迹也当环境状态转移，LoRA 路线已经扩到百万级适配器、协作性能与数量呈对数近线性。一个安静的实验数字值得记住：同一事实从不同角度出现四次，概念才会浮现——无论对模型还是对人。
线索二 · 应用层被四个时钟推迟的爆发
"AI 下一个类 Coding 的大场景在哪？"——这篇文章的答案是：问错了问题。Coding 之所以先行，是因为它同时满足全部条件：全数字化、可验证、可拆解、人工贵、部分正确也有价值、自下而上扩散。非 Coding 不是另一个超级应用，而是一场分散发生的流程革命：数十个行业、数百条流程同时 Agent 化。没有新超级应用出现，不等于 AI 不行了。
真正的矛盾是时间差，四个时钟速度不同：资本开支 0–18 个月 产品收入 6–24 个月 工作流利润 18–48 个月 宏观生产率 3–7 年。资本市场的耐心，通常短于组织重构所需的时间——这就是波动率的来源。落地数据也冷静：约 18% 的企业在至少一个职能用 AI，57% 只部署三个以内职能，66% 只用于增强员工。AI 已经进入企业，但还没有普遍进入企业的成本结构。而 Codex 在法律部门的周活涨了 108 倍，在工程部门只有 5 倍——渗透在发生，只是在最想不到的地方先发生。
应用的拐点条件，LibTV 的陈冕两年前就说对了：只有 Token 便宜、智能随手可得的时候，应用公司的时代才会来。视频生成的实测已经到门口——成本降到"不太需要计算"时，用户才敢大胆尝试。而在拐点之前，应用公司的护城河战争已经开打：红杉判断套壳红利结束，所有 AI 应用公司终将成为 Neo-Lab——先建评测集，再谈微调，把智能链路的主权握在自己手里。工程侧的同构答案是 Harness：模型像聪明但刚入职就失忆的新员工，Harness 是岗位说明书、资料库、质检和审批制度——OpenAI 用 3 名工程师加 Codex，5 个月合并约 1500 个 PR、构建约 100 万行代码。
两个更深的水下推论收尾这一层。其一，智能会商品化，责任不会：前沿模型会给出答案，但不会签署医嘱、不会持有药品标签、也不会缴存准备金——价值正从"智能与自动化"转向"智能与自动化＋责任承担"，对角线策略（AI 原生的成本结构＋一张牌照）是最有防御性的定位。其二，模型是租来的能力，记忆是攒下的资产：大厂卷芯片，你卷账本——把做过的事、踩过的坑变成可复利的经验，错误经验才会复利，校验环节必须有。
线索三 · 生意层小、深、贵
a16z 给出的数学简单到刺眼：41,000 个付费用户 × 每月 200 美元 = 一亿美金年收入。这个时代不存在营销问题，只存在产品问题——产品在单点强 100 倍，价格敏感度会低得出奇。专业化是新护城河：深度生态的切换成本、大厂结构性盲区、多模型组合优势，给小公司约三年的先发窗口。玉伯从产品一线给出同向判断：一句话能说清楚的产品，基本上死得差不多了——壁垒从来不是单项功能，而是场景、关系、机制长出来的整体。
这门小生意的内部构造，三篇文章拼出了全图。读什么书？不按学科读，按瓶颈读——获客卡住读营销，忙不过来读自动化，"如果连续读了很多东西，却没有让你的经营行为发生变化，应该暂时停止输入"，因为学习会变成一种非常高级的拖延。怎么干？月入 2.2 万美元的那位中午起床、夜间工作——真正推动业务前进的，99% 是无聊的事（修支付流程、回支持邮件），效率会跟着幸福感走。怎么判断自己对不对？Scale AI 的创始人被 VC 骂了六年"没护城河"，答案是非共识信念的检验标准：这个判断背后，有没有具体到能被验证或推翻的事实——"只要闭环和评估指标设计对了，一群 Agent 能干掉一百人团队的活。"张云帆补上平台视角：先懂分发规则，先聚焦一个平台，问比例有多少——特例不是规律。
线索四 · 投资层望远镜里的三个数字
单伟建的望远镜里有三个数字：中国家庭存款 160 万亿元，超过 GDP；准备金率 6.5%，每降一个百分点释放 2 万亿；房地产占家庭财富约 59%。零利率时代结束摧毁了 PE 的杠杆红利，160 万亿存款被压在跌价的房地产上——消费低迷不是没钱，是资产负债表缩水。他的投资三要素排序是：判断力 > 勤奋 > 运气，而判断力的来源是知识与经验的复利，外加一条谦逊定律：吃过亏的人更谨慎，不栽大跟头。
商品超级周期给出的是显微镜：一轮完整周期的传导链是供给约束 → 库存压缩 → 价格加速 → 利润池迁移 → 盈利上修 → 叙事反身性 → 扩产与需求破坏。要抓的从来不是"需求增长"，而是"供需错配如何转化为利润池迁移"——不买需求增长，买供给无法及时响应。七阶段状态机（S0 到 S7）是这个判断的操作化，而它的终点判据近乎悖论：超级周期的终点不是短缺消失，而是市场开始相信短缺永远不会消失。白酒那篇揭开的则是另一层金融结构：经销商赚钱不靠卖酒，靠囤酒升值——每个酒厂同时是一个酒金融机构，茅台 100% 直销等于消灭合同负债、消灭供应链金融、业绩雪崩。
风险资本那端的望远镜看的是公司数量级：万亿美元市值需要 500–1000 亿美元收入，全球只有很少市场装得下——未来两三年仍会诞生千亿美元公司，但万亿相当困难。算力约束反而强化寡头垄断，而真正贵的成本不是算力，是被困住的时间："想想他们被困住的五六年间，人工智能发生了所有这些变化。这对一位优秀创始人的代价是什么？"
线索五 · 人选游戏，而不是优化玩法
最后一条线索回到人，也是本期最硬的一篇：博弈论解释了为什么聪明人不赢。1971 年的美元拍卖实验里，聪明人花 40 美元去买 1 美元——每一步都理性，结局是灾难，因为一旦进入第二名，出价就不再是为了赢，而是为了避免白白花钱。交通堵塞是同一个结构：你不能靠更努力来战胜堵塞，因为堵塞就是由完全像你一样的努力构成的。在被操纵的游戏中付出的努力，会被游戏本身所抵消。单伟建的人生智慧与它互为镜像：判断力大于勤奋大于运气——先选对游戏，再谈优化玩法。
个人成长那几篇提供了内部的装备。Dan Koe 的两次出手，一次向内（身份先于行为：你不在想去的地方，因为你还不是会出现在那里的人），一次向外（战略是让自己进入优势位置，同时确保对手处于更差的位置；无休止地收集战术，比刷愤怒诱导视频更糟）。兴趣诺亚方舟把多兴趣从缺陷改写为资产：终极护城河是一种只有你能看到的视角——帮助过去的自己，是最高效的产品方向。而《工作、消费主义和新穷人》那篇拆掉了最后一块心理地基：工作伦理不是天然道德，是工业革命为把人赶进工厂而发明的规训工具；你的焦虑不是心理问题，是生产者伦理与消费者动荡的叠加态——你意识不到的东西最顽固。
然后是那份最诚实的材料：学生时代与当下的对照。12 条旧命题，10 条实现或升级——文字沉淀论有预言性，框架思维升级成三层控制平面。但贯穿 2.5 年、在两个时代都被亲笔承认未解决的，始终是同一条：向人求助、找真实用户。学生时代的每日执行闭环，也没有移植进现在的系统。
结语变贵的东西
把四条线索叠回去，34 篇文章其实在给同一张资产负债表定价：模型层说，先验与验证器在涨价；应用层说，责任与账本在涨价；生意层说，单点 100 倍与专业化在涨价；投资层说，判断力与退出时机在涨价；成长层说，选游戏的眼光在涨价。而所有这些涨价的资产，有一个共同的兑付窗口——真实的人。
主页已经改了三天，市场回执仍然是零。34 篇文章给出了一致的判断：智能随手可得的时代，最贵的动作是去见真实的人——第一个客户，或第一位面试官。
这不是又一轮励志。这是 34 篇水下信息收敛出来的、唯一没有被任何一篇文章反驳过的结论。明早看完这一页，剩下的事只有一件：把回执从零变成一。