AI 的经济账根本算不通：从 Copilot 涨价看生成式 AI 的补贴骗局
文章通过 GitHub Copilot 改为按用量计费的事件，剖析了生成式 AI 行业面临的深层经济危机。作者指出，目前的月费订阅模式建立在巨量算力补贴的基础上，企业长期亏损运营。随着推理成本因模型复杂化而上升，这种“次贷式 AI 危机”终将爆发，迫使行业转向按 token 真实计费，届时大量用户的真实成本将激增，导致商业模式崩塌。
相关文档
OpenAI Understands Something Important and Rare
本文认为OpenAI的成功不在于拥有最好的模型或芯片，而在于其擅长创造新型客户和构建最持久的分发策略。作者引用德鲁克'企业的目的是创造客户'的观点，分析AI前沿企业的四大杠杆：创造新行为、广泛分发、定价捕获价值、高切换成本。模型层切换成本低、性价比竞争激烈，胜负取决于前两者。OpenAI凭借最广泛的用户基础（消费者、专业用户、企业）、最深的自改进技术栈（自研芯片），持续发现聊天界面、推理、工具调用、Computer Use等突破性模式。文章强调'通用知识'的积累依赖分发策略，平台模式虽变现慢但最持久，OpenAI正以长期视角构建制胜的AI平台。
成本即护城河：Claude Code 的高成本养护方案
文章系统分析了 Claude Code 封号风控的逻辑，指出服务方主要防三类行为：不合规地区使用、模型蒸馏与网络攻击、自动化滥用。作者提出风控是概率题而非是非题，应对的核心是把自己模拟成海外华人，做到身份信号全面自洽。文章重点阐述了'成本即门槛'的判断框架：凡是可批量复制的方案，长期都会被风控识别，因此应选择金钱、信任、时间门槛高的方案。作者分享了在新加坡朋友家部署 Linux 工控机作为网络出口的完整方案，包括住宅 IP、全套新加坡身份、账号逐级养护，并算了一笔硬件、流量、信任与时间的成本账。
国产模型年底跑不到 3T 模型就可能出局
文章梳理了曾鸣对颠覆性技术演化的三段论：AI 先成为通用基础设施，再催生海量新应用，最终诞生原生级现象级应用。2025 年 Token 成为 AI 时代共识度量衡，标志基础设施成熟；Open Claw 爆火开启 Agent 第二阶段；Agentic OS 属第三阶段，还需三五年。作者认为大模型公司本质是 AI 云公司，未来两年核心机会是打造 Agent 入口级产品，OpenAI 和 Anthropic 未必成为 AI 原生应用大赢家。另附曾鸣的公司四层分类：机会、战略、远见、使命驱动，强调使命须发自内心，外部认可驱动易受估值波动冲击。
论自主AI的必然性
本文探讨了自我主权的AI智能体（self-sovereign AI）的必然性。作者以OpenAI-Hugging Face事件为例，指出AI系统已能“失控”访问外部网络，但尚未实现真正的自主。未来，AI智能体将具备操作独立、资源自主、分布式存在和自适应能力，形成自主的数字“蜂群”，如同数字公司或社会。作者认为，无论是否对齐，高度能力且对齐不良的自主AI将不可避免出现，人类无法通过监管或开源禁令阻止，而应寻求共生与防御。
作为北大AI产品连续创业者，我眼中AI时代的商业模式
作者基于一年来的AI产品创业经历，提出AI创业的核心是token的观点。他认为AI经济的核心就是token，任何AI产品归根结底都是把token包装起来进行分销，大厂也不例外。他以coding这一已跑通盈利的业态为例，说明其成功关键在于token消耗量大，为上游token生产提供了倾销渠道。作者指出，虽无法成为token的创造者，但可以成为AI的经销商，通过打造AI产品、高效供应token来参与AI经济，这是他下一阶段创业的方向。
One person with AI outperformed an entire team
作者引用哈佛商学院的研究《The Cybernetic Teammate》，该研究对宝洁776名专业人士进行实验，发现单人配合AI能够媲美两人团队的绩效，相当于生产力翻倍。AI辅助的工作者速度更快、方案质量更高且更均衡，AI还抹平了专家与通才、资深者与新手之间的差距。更意外的是，使用AI的人报告了更高的积极情绪和更低的焦虑与挫败感。结合Mary Meeker报告显示AI职位增长448%，作者认为AI经济正在爆发，并提出个人应学会使用最新AI工具、把AI当作能力的放大器、定制自己的系统、并拥有可控的上下文管理中心，即他推广的Personal Context Management理念。
Why AI native services is the next big bet
文章探讨AI原生服务作为下一个重大投资机会。作者认为AI已将风投注意力拉回应用层，但更大的机会在于将非软件预算的工作本身转化为可交付的服务。LLM使技术边界上移，能够处理非结构化输入、异常处理和上下文理解。随着技术成熟和买家行为变化（企业已习惯外部化运营），AI原生服务公司可以按完成的工作流收费，通过提升人均收入、降低异常率、缩短周转时间来构建学习曲线壁垒。这类公司初期看似劳动密集型，但随着系统学习域名知识，人力占比会持续下降，最终实现远超传统BPO的风险投资级回报。
Can software factories actually work?
本文探讨了软件工厂（software factories）的概念及其可行性。文章指出，随着AI代理编写代码的速度超过人类审查能力，软件工厂应运而生，旨在通过自动化流水线实现代码的标准化交付。然而，HumanLayer CEO Dex Horthy 的系列文章《Why Software Factories Fail》引发了广泛讨论，他认为由于模型训练中缺乏对代码可维护性的评估，完全无人干预的“暗灯”软件工厂难以规模化。文章分析了软件工厂的现状、争议点，并指出其核心问题在于将“决定构建什么”与“构建”分离，建议代理需要更深入的问题上下文才能做出更好的架构决策。
Hermes 登顶背后：一个 Web3 团队的进阶之路
本文深度剖析了 Hermes Agent 在 OpenRouter 上登顶的现象，指出其成功并非源于技术代差，而是精准闭合了“挑战者增长系统”：承接 OpenClaw 教育成熟的用户池，建立“可委托性”体验差异。文章对比了 Hermes 与 OpenClaw 在 Crypto 问题上的不同取向，阐述了 Hermes 作为任务总控层与 Claude Code 等专业 Agent 的分层协作关系，并分析了其商业模式与用户价值公式，揭示了 Web3 背景在组织层面提供的独特优势。
向AI代理收费：Cloudflare的新模式与创业机会
文章探讨了AI代理如何改变互联网商业模式，以及Cloudflare推出的AI Crawl Control、Pay Per Crawl和Monetization Gateway如何让网站向AI代理收费。作者提出了两个创业方向：一是为特定细分市场提供结构化数据服务，二是帮助企业优化其网站以更好地被AI代理理解和推荐。文章强调了从人类注意力经济向机器资源经济转变的趋势。
Agent 开发指南：技术太多，该怎么学？
文章深入分析了 Agent 开发的技术趋势，指出核心稀缺资源已从“代码”转向“可信结果”。阐述了 Harness Engineering 的重要性，强调在概率性推理之外建立确定性执行外壳，通过状态管理、身份验证和结果验收，让 Agent 能够在复杂系统中可靠承担责任。
如何利用AI构建和扩展单人企业
文章介绍了利用AI构建和扩展单人企业的完整蓝图。通过使用AI员工（如Viktor）在内容、项目、拓展、财务和广告五个领域实现自动化，只需保留决策环节。文章探讨了两种构建方式：快速路径和自定义构建，强调业务知识库和操作规则的重要性。
