李飞飞博士的工作被认为是将人工智能带出“AI寒冬”的火花。她强调，人工智能的本质中没有什么是人工的（Nothing artificial about AI），它源于人类、由人类创造，并深刻地影响着人类。她是一名人工智能乐观主义者（AI optimist）和人本主义者（humanist），相信技术总体上对人类文明是积极的，但她也承认任何技术都是一把双刃剑，其未来取决于我们人类社会的行为和选择。她认为，每个人都应该关心人工智能，并以负责任的态度参与其中。
对于通用人工智能（AGI, Artificial General Intelligence），李飞飞认为它更像是一个营销术语而非科学术语。她认为，即使是当前最先进的模型，也无法做到人类轻易完成的任务（如数清视频中房间里的椅子），更不用说牛顿或爱因斯坦那样的创造力、抽象和情感智能。她坚信，AI领域仍需要大量的创新，不能仅依靠扩大现有模型的规模。
这是一个宏大而迷人的问题。如果把人类的知识比作一棵大树，哲学就是这棵树的根系和土壤。它埋藏在地下，虽然平时看不见，但决定了树干（科学）、树枝（社会制度）和果实（技术与文化）的形态。 如果让我来回答，我会从以下几个维度来拆解： 一、 什么是哲学？ (What is Philosophy?) 从词源上讲，哲学（Philosophy）源自希腊语 Philo-sophia，意为“爱智慧”。请注意，它不是“拥有智慧”，而是“爱”和“追求”智慧的过程。 如果要给现代语境下的哲学下一个定义，我认为它是对世界最根本问题的理性探索。它主要在做三件事： 1. 追问“理所当然”的事 (Questioning Assumptions) 科学家问“这个苹果为什么会掉下来？”，哲学家问“当你看到苹果掉下来时，你如何确定那个苹果是真实存在的，而不是你的幻觉？” 哲学总是盯着那些我们习以为常的前提：什么是真实？什么是正义？什么是意识？ 2. 厘清概念的边界 (Clarifying Concepts) 我们在生活中常说“这不公平”或“我要自由”。但哲学通过严密的逻辑去界定：到底什么是公平？机会均等是公平，还是结果均等是公平？自由是想做什么就做什么，还是拥有“不做什么”的权利？ 哲学是思维的“磨刀石”，把模糊的概念磨得锋利清晰。 3. 寻找安身立命的坐标 (Searching for Meaning) 除了逻辑游戏，哲学最终关乎人类的处境：人活着是为了什么？面对死亡我们该持什么态度？ 在这个层面上，哲学不仅是学科，更是一种生活方式（Way of Life）。 一句话总结： 科学试图告诉我们世界是怎样的（How），宗教试图告诉我们世界为什么是这样的（Why via Faith），而哲学是用理性去探讨这一切意味着什么（So What）。 二、 什么是哲学家？ (What is a Philosopher?) 很多人心目中的哲学家是留着大胡子、在故纸堆里发呆的老人。但在我看来，哲学家更像是一个拥有极度好奇心和严密逻辑的“成年孩童”。 哲学家通常扮演三种角色： 1. 思想的“助产士” (The Midwife of Ideas) 苏格拉底说自己是助产士。哲学家不直接给你答案（因为往往没有标准答案），而是通过不断的提问、反驳、辩论，帮助你自己“生”出思想的结晶。他们强迫你直面自己思维中的矛盾。 2. 时代的“牛虻” (The Gadfly) 哲学家往往不讨人喜欢，因为他们喜欢挑战权威和主流价值观。当所有人都说“为了集体利益可以牺牲个人”时，哲学家会站出来问：“个人的权利边界在哪里？” 他们像叮在牛身上的牛虻，时刻刺痛社会这头迟钝的巨兽，让它保持清醒，不要在惯性中沉睡。 3. 概念的“建筑师” (The Architect of Concepts) 伟大的哲学家会构建一套看待世界的系统。比如康德构建了认知的框架，马克思构建了历史唯物主义的框架。他们为人类文明提供了“底层操作系统”。我们今天的法律体系、人权观念、科学范式，其实都是几百年前哲学家们构建的“概念大厦”的产物。 三、 为什么我们在今天还需要哲学？ 在一个AI飞速发展、信息爆炸的时代，哲学反而变得比以往更重要。 面对AI： 以前我们问“机器能思考吗？”，现在我们必须问“如果机器比我们聪明，人类的尊严何在？”这是哲学问题。 面对生物技术： 我们能编辑基因了，但我们应该编辑完美的后代吗？这是伦理学（哲学分支）问题。 面对生活： 在算法推荐和消费主义的裹挟下，如何保持独立的自我？这是存在主义哲学的问题。 总结 哲学是人类为了理解自身和宇宙，用理性搭建的梯子。 哲学家就是那些即使知道梯子可能没有尽头，也依然坚持向上攀爬，并试图告诉我们在高处看到了什么的人。 你在这个时刻提出这个问题，是因为最近遇到了什么具体的困惑，还是对某个特定的哲学流派（比如存在主义、斯多葛学派）产生了兴趣？
好久没说了
好久没说了
一直觉得中国阅兵的抬头非常的顺。你提的“像在给大帅汇报”这个类比很有意思：
当一个动作把“服从与展示”放在最前面，观感就容易从“威武”滑向“谄/端/做作”。尤其当动作被极端一致化后，人味儿被抹平，观众就更容易用“官场/仪仗/老派权力场景”去解读。
最近都在用discourse
本博客到底还更新不更新了 也是很纳闷
360 理论 讨论分享 小分享LV1 147 浏览量 28 赞 2 链接 15 用户 总结 12月 1 日 9 小时 前 由 Qingwa 发布于 1 天前 Qingwa 青小蛙 活跃用户 1 天 [!失败] 如果你没有卸载360的能力 那么你就需要 360 [!成功] 如果你有卸载360的能力 那么你就不需要 360
这种竞赛最后拼的就是人才和钱，简洁地讲就是钱，因为绝大部分人才就是被钱吸引，这个不再多语
输也是输在钱上，字节敛财能力怎么可能比得上有 nv 输血的美国三家，更别说国际资本的流向
我们基本是孤军奋战，靠动物朋友么
我也不是完全悲观，这轮技术谁先谁后一点都不重要，大的算法结构没变，未来总是慢慢的收敛，我们是跟随者 不做开创者 其实成本更低 更舒服
人可以怒，而不可以苦闷。怒可以构成壮美，苦闷却是一无所成，只是自我的崩溃。
文化危机并不是书籍的消亡，而是人们的注意力分散了，热衷于参加肤浅的活动。 这个时代感觉患上了"文明多动症"，一代人焦躁不安、注意力不集中、漫无目的的过度活动，思考难以捉摸且转瞬即逝。 -- 《把研究当作消遣已经失传》
老人在日暮时也需发光发热； 怒吼，怒吼，即使生命之火即将熄灭。 尽管智者的言词不如雷电轰轰烈烈， 尽管深知归于黑暗是不变的法则， 他们不会温顺地走进那安息的长夜。 碧绿的海湾点滴事迹舞姿摇曳， 最后的浪花中好人的呼唤更加清澈， 怒吼，怒吼，即使生命之火即将熄灭。 为时已晚，狂人让太阳徒生悲切， 抓住飞驰的太阳唱一支赞歌， 他们不会温顺地走进那安息的长夜。 严肃的人临近死亡渐渐丧失视觉， 失明的双目象流星闪光充满喜色， 怒吼，怒吼，即使生命之火即将熄灭。 我盼你或祈福或诅咒泪水火样炽烈， 父亲啊，就在这最为悲痛的时刻。 不要温顺地走进那安息的长夜。 00:59 《不要温和地走进那个良夜》中文译文 怒吼，怒吼，即使生命之火即将熄灭。
看到博主分享的对中、美、印三国学生的观察，我觉得还是挺有共鸣。作为刚从国内教育体系出来没多少年的学生，想谈谈自己的感受,可能多少能解释为什么很多中国学生在国外会呈现出“被动”“不自驱”的样子。 我感觉相比前些年，现在国内尤其是高考的压力已经积重难返。我是山东考生，当时考了六百四十多分才勉强上了个 985。回头看整个学习经历，高中对我人格和性格的摧残是最狠的：那些无止境的口号、标语，每天睡眠不足，却还被迫接受低效学习的自己，至今都像影子一样在我脑中闪现 现在回想，我只后悔那时太不能坚持自己，不能坚持做真正属于自己的选择 哪怕成为学校里唯一一个翘课去补觉的人。有这种勇气，可能才算真正的成熟。但这一点从小就很难培养，家庭教育里“绝对服从老师”的观念根深蒂固，从小就是让干啥就干啥 这些经历会对人的性格造成不可磨灭的影响。说它能锻炼吃苦能力我不太确定，但我确定的是，大部分学生在这种模式下变得极度缺乏自驱力，创造性也被削弱。又看到我弟弟的经历，我觉得这种情况近年来反而更严重，他们从初中就开始卷了 我非常理解博主文章里说的“你不找他，他绝对不找你”的现象 很多中国学生不是不想积极，而是长期被训练成“不要主动”“别添麻烦”“等老师安排”。这种文化惯性一旦带到国外，就很容易变成老师眼里的不沟通、不回复、不按时交作业 我从高中那会就开始想大一些宏观没用的叙事, 我经常想中国教育体制确实需要改革 但如何在“公平选拔”和“促进人的发展”之间找到平衡，这件事可能挺困难吧 一句话总结就是 我认为 中国的现行教育只为资本家服务 博主提到的“美国教育更依赖自我驱动”，我也认同。大企业喜欢中国高考体制，因为分数更多是智商和服从度的加权，而创造力几乎不被纳入考核，后者得靠自己在社会里再慢慢培养 中国企业现在需要创新转型 但是教育这一块迟迟没有跟上 这件事很悲哀
全球前 50 大资产 1- 黄金 – 28.398 万亿美元 2- 英伟达 – 4.630 万亿美元 3- 苹果 – 4.025 万亿美元 4- 微软 – 3.791 万亿美元 5- Alphabet（谷歌）——3.338 万亿美元 6- 白银 – 2.837 万亿美元 7- 亚马逊 – 2.508T 美元 8- 比特币 – 1.916 万亿美元 9- 沙特阿美 – 1.674 万亿美元 10- 博通 – 1.617 万亿美元 11- 元平台（Facebook）——1.536 万亿美元 12- 台积电 – 1.477 万亿美元 13- 特斯拉 – 1.344 万亿美元 14- 伯克希尔哈撒韦公司 – 1.098 万亿美元 15- 礼来公司 – 9191.1 亿美元 16- 摩根大通 – 8265 亿美元 17- 沃尔玛 – 8170.5 亿美元 18- Vanguard 标普 500 指数 ETF – 7885.7 亿美元 19- 腾讯 – 7502.1 亿美元 20- iShares Core 标普 500 指数 ETF – 7126.2 亿美元 21- SPDR 标普 500 指数 ETF – 6912.3 亿美元 22- Visa – 6369 亿美元 23- 甲骨文公司 – 6352.9 亿美元 24- Vanguard 全股票市场 ETF – 5537.8 亿美元 25- 埃克森美孚 – 5030.4 亿美元 26- 万事达卡 – 4900.6 亿美元 27- 强生公司 – 4720.5 亿美元 28- Netflix – 4712.6 亿美元 29- 三星 – 4345.8 亿美元 30- Palantir – 4147.4 亿美元 31- 艾伯维 – 4106.6 亿美元 32- Costco – 4090.4 亿美元 33- 中国农业银行 – 4069.8 亿美元 34- AMD – 4018.1 亿美元 35- 景顺 QQQ 信托 – 3979.8 亿美元 36- ASML – 3959.9 亿美元 37- 白金 – 3896 亿美元 38- 工商银行 – 3845.1 亿美元 39- 美国银行 – 3841.8 亿美元 40- 以太坊 – 3833.4 亿美元 41- 阿里巴巴 – 3828.6 亿美元 42- LVMH – 3736.2 亿美元 43- 家得宝 – 3606.8 亿美元 44- 宝洁公司 – 3450.6 亿美元 45- 通用电气 – 3215.2 亿美元 46- 雪佛龙 – 3151.3 亿美元 47- Prosus – 3084.2 亿美元 48- 思科 – 3073.7 亿美元 49- 可口可乐 – $306.10B 50- 联合健康集团 – 2915.5 亿美元
这部视频采访了被称为“人工智能教母”的李飞飞博士（Dr. Fei-Fei Li），主要围绕人工智能的发展历程、她在其中的核心贡献、她对人工智能未来的展望以及她最新推出的“世界模型”（World Model）产品展开。
视频内容总结1. 人工智能的历史与李飞飞的哲学贡献李飞飞博士的工作被认为是将人工智能带出“AI寒冬”的火花。她强调，人工智能的本质中没有什么是人工的（Nothing artificial about AI），它源于人类、由人类创造，并深刻地影响着人类。她是一名人工智能乐观主义者（AI optimist）和人本主义者（humanist），相信技术总体上对人类文明是积极的，但她也承认任何技术都是一把双刃剑，其未来取决于我们人类社会的行为和选择。她认为，每个人都应该关心人工智能，并以负责任的态度参与其中。
人工智能的探索始于1950年代（例如1956年的达特茅斯研讨会），但到了90年代末和21世纪初，学界进入了“机器学习”时代。在李飞飞开始博士研究（约2000年）时，AI仍处于“AI寒冬”之中。
2. ImageNet的诞生与现代AI的突破李飞飞选择通过视觉智能的视角研究AI，因为人类是高度视觉化的动物。她的研究北极星问题是物体识别（object recognition）。她意识到，当时的数学模型（包括神经网络）最大的痛点是缺乏用于训练的数据。她推测人类的学习和进化都是一个“大数据学习过程”。
李飞飞因此主导创建了ImageNet项目（始于2006/2007年），旨在为AI提供大量干净、标注好的数据。ImageNet收录了1500万张图片，涵盖22,000个物体概念，并被开源给研究界。
2012年，ImageNet挑战赛成为了现代深度学习（deep learning）诞生的标志性时刻。多伦多研究人员利用ImageNet的大数据、神经网络算法，以及两块英伟达GPU，在物体识别问题上取得了巨大突破。这三项技术——大数据、神经网络和GPU——被认为是现代AI的“黄金配方”。
3. AI的现状、未来与AGI的定位李飞飞认为，诸如ChatGPT等现代AI的成就，核心仍是这三要素（数据、网络和计算）的扩展。她指出，大约在2015-2016年，科技公司还在避免使用“AI”这个词，担心它是一个“脏词”；但到了2017年左右，公司开始自称AI公司。
对于通用人工智能（AGI, Artificial General Intelligence），李飞飞认为它更像是一个营销术语而非科学术语。她认为，即使是当前最先进的模型，也无法做到人类轻易完成的任务（如数清视频中房间里的椅子），更不用说牛顿或爱因斯坦那样的创造力、抽象和情感智能。她坚信，AI领域仍需要大量的创新，不能仅依靠扩大现有模型的规模。
4. 世界模型（World Models）与Marble的推出在大语言模型（LLM）取得巨大成功之后，李飞飞认为AI必须超越语言，关注空间智能和世界理解。她认为“世界模型”是连接语言智能、视觉智能和具身智能（机器人技术）的关键。
世界模型（World Model）的简单理解是：它允许任何人通过提示（prompt）创建、交互、并推理（reason）一个可探索的世界。空间智能在设计、科学发现（如从2D X射线衍射照片推导DNA的3D双螺旋结构）以及具身AI中都至关重要。
李飞飞创立了World Labs公司，专注于空间智能，并推出了Marble——全球首批能够输出真正3D世界的生成模型产品之一。
Marble的用途和应用包括： 电影的虚拟制作/VFX（可将制作时间缩短40倍），游戏开发（用于创建和导出网格），机器人模拟训练（创建多样化的合成环境），以及意外的应用，例如心理学研究（为研究精神病患者提供即时的沉浸式场景）。Marble与一般的视频生成模型的区别在于，它关注的是深度空间智能，提供3D结构，而非仅是2D影像。
5. 职业发展建议与AI对人类的意义李飞飞分享了她的职业发展理念：她看重智力上的无畏（intellectually fearless）和勇气。她建议年轻人才在选择职业时，应聚焦于自身的激情、使命是否一致、对团队的信任以及能够带来的影响，而非过度关注方程或工作的每一个细微方面。
她重申，无论是音乐家、教师、护士还是农民，每个人在AI中都扮演着重要的角色。AI应该是增强人类的能力，保护人类的尊严和能动性。
我可以学习到的知识 (Key Takeaways)根据视频内容，我们可以学习到以下关键知识点：
A. 人工智能发展史与核心技术- AI寒冬与ImageNet的突破： 人工智能领域曾经历低谷期（AI Winter），而ImageNet的创建（2006/2007）是引发现代AI革命的火花。
- 视觉智能的重要性： 人类是深度视觉化的动物，研究AI需要通过视觉智能的视角，尤其是解决物体识别问题。
- 大数据的核心作用： 机器缺乏训练数据是早期AI模型的痛点。李飞飞的洞察是，人类的学习和进化都是一个大数据学习过程。
- 现代AI的“黄金配方”（Trio Technology）： 现代AI的成功核心基于三个要素：大数据、神经网络（Neuronet Network/Deep Learning）和GPU（图形处理器）。
- AI术语的演变： 科技公司在2015-2016年曾回避使用“AI”一词，但在2017年左右才开始普遍自称为AI公司。
B. AI的局限性与未来创新方向- AGI的科学定位： “AGI”更多是一个营销术语，科学界的研究北极星仍是探索机器如何像人类一样思考和行动。
- Scaling的局限： 尽管扩大数据和算力（Scaling）仍有潜力，但AI的进一步发展需要新的科学创新，当前的AI在抽象、创造力和情感智能方面仍非常不足。
- “苦涩的教训”（The Bitter Lesson）： Richard Sutton提出的“苦涩的教训”认为，用大量数据训练的简单模型往往会胜过复杂的模型。ImageNet的成功印证了大数据的重要性。
- 机器人技术的挑战： 机器人很难仅仅依靠大数据（苦涩的教训）取得成功，因为它面临数据收集困难、需要3D世界的行动数据（而非仅是2D视频），且机器人是物理系统，复杂性远超语言模型或自动驾驶汽车。
C. 世界模型与空间智能- 世界模型的定义： 世界模型（World Model）是连接非语言智能、视觉智能和具身AI的关键，它是一个基础模型，允许用户创建、推理和交互3D世界。
- Marble的独特之处： World Labs的Marble模型是第一个可以输出真正3D世界的生成模型，用户可以导航和交互。这与侧重于2D输出的视频生成模型有本质区别，因为它专注于深度空间智能。
- 空间智能的应用范围： 空间智能不仅对机器人至关重要，也是人类设计、科学发现（例如理解DNA结构）和创意工作的基础。
D. 个人成长与社会责任您可以将世界模型（World Model）想象成一个巨大的、可塑的虚拟沙盒。传统的AI（如LLMs）像是一本能够流畅对话、编写故事的百科全书，处理的是抽象的文字世界；而世界模型则创造了一个真实的、你可以走进、触摸和改变规则的三维环境。这使得机器人能够学会导航和操作物体，设计师能够快速建造复杂的环境，就像人类大脑在现实世界中进行具身体验和空间推理一样。
最近生活越来越憋屈苦闷 我知道这种话题在别的平台上面说 肯定有人回复我 还是发展太好让我吃太饱了之类的 当然我也从来不敢表达我真正的内心所想 (我一直都认为一个吃苦耐劳底色的民族 连衣食无忧都能是成就 这件事本身就好讽刺) 憋屈源于深刻理解了 沉默成为社会的默认逻辑这件事 说些实话的人，要么被封，要么被边缘化 而那些明明知道问题存在的人，反而选择了沉默 不是因为他们糊涂，而是因为他们太清楚说出来没有意义，还可能让自己更危险。 于是就形成了一种极其荒谬的结构 大多数人知道真相，却要假装不知道；知道这是错的，却要假装合理 活着拧巴又累 这就是当下最真实的精神困境 一边是内心的良知和理性在挣扎，一边是外部系统在用奖励与惩罚调教出“沉默合格” 久而久之，系统甚至开始相信自己的谎言，失去了自我修复的能力 你会发现，那些依然坚持说真话的人，不是不懂事 而是他们还有点血性 但在这样的环境里，血性变成了一种风险，而不是美德 我好累 但感谢互联网尚存一些真正紫有的空间 但仍然在心惊胆战 仍在在歌颂兹有 连把字写正确的勇气都被阉割
在 爱情本质虚假 的真理 和 表象甜蜜的幻觉 来回徘徊 不曾有人证明一生真爱的感情存在 但鸟类确实有一夫一妻的习性 爱情可能是自我欺骗的最高形式 但也因此显得珍贵 由 louishino0524 发布于 刚刚 louishino0524 louishino0524 1 分钟 爱情可能是自我欺骗的最高形式 但也因此显得珍贵 萨特、叔本华、尼采基本都是这么认为的 读的越多越能感觉出来
源自人内心深处的社交囤积症 你的社交已经足够了 但是你本能还会多社交 这在原始人时代有用 在现代属于阑尾 要改之
哦牛批 还有这种插件的 搞七捻三 纯水 56 浏览量 11月 13 日 4 分钟 前 由 louishino0524 发布于 7 分钟前 louishino0524 1 7 分钟 一键解析并添加所有图片 Image_2025-11-13_19-06-24_ll55pswd.bvv 2356×1842 377 KB 确定不会茧房更茧吗 这个插件我看来应该反向为之 ai检测你看哪些比重高就自动帮你补全一些你该看的另一部分 我自己之前帮朋友做了一个类似的优化他的x的 选定某几个领域 ai推荐账号自动关注 从而优化信息推荐流 这种应用我只能说潜在需求很大但很多人没注意到 当然前提是有人x首页一堆恨国/外围推荐他会自知茧房的时候才行 (他只会傻呵呵的满意那也没办法) 有太多艺术家数学家ai初创ceo值得关注 但是茧房不会给你泄一点消息
我看很多人每天 CC 用的很不舒服每天喊 CC 降智，然后我又是一个 Python 哲学的信奉者（凡事有最佳实践），总结一下用 CC 四个月的体验。基本上各路大佬都提过，我只是一个总结者。 我只总结最重要的三点，只记住这三个最简单的点让你 CC 智力直线上升： 1、除非在 planmode，永远不要纠正 CC。如果 CC 做错了，直接 clear → git reset ->修改原始 prompt 叫他不要犯这个错。不然你去纠正他的话，你就会收到典中典的“您说的对”。 2、永远不要使用 /compact。你就当没有这个命令，如果一个需求执行到 context 满了还没完成，把这个需求拆成两个。 clear → git reset → 只做第一个需求。 3、如果一个需求三轮对话还没完成，重新来，context 用到 60% 就差不多了。想清楚你要干什么，clear → git reset → 重新编辑 prompt 。 所以使用 cc 的流程大体是这样： 1、如果是简单需求，一次性描述清楚，让 CC 在两轮对话内完成，如果它做错了。重新来（彻底重新开始，不要纠正它让他改错，不要！），把避免这个错误放到原始 prompt 后面。如此反复直到你在三轮对话内完成这个需求 2、如果是复杂需求，使用 planmode，你可以在里面指出 CC 的错误，反复商量，让它修改 plan。最后让他一次性完成。注意，要保证他在完成时还有 10%左右的 context 可用。如果 context 不够了，拆分你的需求，直到可以在一个 context 内完成。 一句话总结：CC 开发团队说过的，错了不要改，直接重新来。没错，绝对是正解。 就这么简单。 说实话我在 CC 出 bug 的那一周之外，很少感觉 CC 降智。降智确实存在，但影响远不及使用方法错误导致的降智。很多人都说 CC 在用完 60% 的 context 之后能力会急剧下降，我的感受也是如此。 我在 88code 后台看缓存命中的时候，经常看到一个 session 压缩了几次还在继续用的，这个时候 cc 的智商已经完全不在了，降智是必然的。 欢迎评论区亮出你的使用技巧
给你把这段长访谈梳理成一页清晰笔记了，便于回看和引用👇
速览（一句话版）段永平的核心：“买股票就是买公司——能看懂、能长期赚现金流的那类。” 文化与契约优先，做对的事、把事做对；不懂就少碰（或买优质指数）。
核心观点- 抄作业：不可持续
- 商业模式能长期产出现金流；
- 企业文化可信（诚信、用户导向、边界清晰）。
- “懂”很难
- 机会成本永远在场
- AI 的判断
重点公司立场（精简版）你永远滞后且拿不准仓位；除非像伯克希尔那样持仓透明，可大多数人做不到。与其抄，不如买 S&P 500 / QQQ。
选公司两道“滤镜”：
不符合就不做，Stop Doing List 很重要。
真的看懂公司，才能不被市场情绪左右。估值（便宜）≠ 安全边际；安全边际来自理解的深度。
长期持有是“打算”，不是教条；若出现更好更踏实的标的，应换仓。
既是工业革命又会有泡沫；提升效率→长期大概率增量，但对短线炒作更残酷，对长期投资影响小。
- 苹果：长期大仓。文化用户导向、生态强，硬件+平台/服务早在 2011 年已清晰；现在不便宜，但长期仍可期。
- 英伟达：生态极强（与头部合作的议价力体现），AI 不是一时炒作；持仓但未到苹果那样的把握度。
- 台积电：代工无可替代，AI/半导体上行周期的“绕不过去”；价格“离谱但可能合理”，仓位克制。
- 谷歌：文化好、业务强，但AI 对搜索的冲击难评估；小心持有。
- 伯克希尔：文化与方法论可延续，适合不懂投资的人长期拿；能否持续跑赢 S&P 很难，但可能略胜。
- 拼多多：最初风投票，如今凭财报验证“越懂一点”；仍有不确定性，仓位不大。
- 贵州茅台：A 股核心持仓。口味+文化/工艺稳定性是护城河；跌 50% 也可承受，分红与机会成本是持有理由。
- 特斯拉：商业上有差异化、马斯克很强，但行业同质化/卷，个人不喜欢其品行与服务体验，因此不重仓。
- 通用电气：当年买卖属错误（与自身框架不符），虽赚到钱也算错。
- 西方石油：借“地底下的油”避免期货时间损耗的小仓位尝试，本质上是小比重配置。
投资方法论（可操作清单）- 先问三件事：这个生意我真的懂吗？10–20 年后还能强吗？现金流能匹配我的机会成本吗？
- 两道过滤：商业模式 & 文化契约（可信、用户导向、边界感）。
- 不做清单：代工型不擅长就不做；看不懂、不诚信、靠运气的都不做。
- 仓位纪律：重仓只给极少数“看得最懂”的；其余小仓或不碰。
- 指数备胎：若你拿不出比茅台/苹果更踏实的标的，或压根看不懂——就买 S&P 500/QQQ/伯克希尔。
- 情绪管理：能承受腰斩；用“机会成本”而非短期价格评估是否卖出。
- 防“图形学”：别指望看图短炒，量化/AI 让散户更难；投资≠炒作。
创业与管理观- 文化即人：选择 > 培养；同道中人留，价值观不合淘汰。
- 授权与信任：真正放权，不背“先贤的影子”做决策；看用户，不看祖宗。
- 契约精神：承诺必须兑现；发奖金无需“谢老板”，这是契约。
教育与家庭- 安全感最重要：设边界、给自由；少指责、不体罚；父母的行为就是孩子的“教程”。
- 学习能力是底盘：大学真正学到的是如何学习与“遇到不会也能学会”的信心。
- 面对 AI：任何年龄都应主动学习新工具，否则会被动。
几句金句如果你想，我也可以把这些要点做成可打印的一页纸或条目化知识卡片，按「方法论 / 公司点评 / 案例」三栏排版，方便分享或复盘。
我的总线带宽太窄了 : 读文章和听音乐基本没法并行 搞七捻三 纯水 由 louishino0524 发布于 刚刚 louishino0524 1 分钟 一年下来 要么少听很多音乐 要么少看很多书 : 羡慕多线程撕裂者的一心多用水平