傅盛

创业的终局，从来靠的不是资源多少，而是思考的深度。在硅谷越久越发现所谓的Think Different其实是为了生存被迫产生的，很多小团队因为没钱招人、没资源挥霍，必须逼自己找准需求，想出效率最高最独特的路。资源越少，思考就必须越深，而决定一个项目终局的就是你对这件事理解的深度。 [ 网页链接 ↗ ]

“如果你不去广泛探索知识的版图，你又怎么知道自己真正热爱什么？”—— 马斯克 💡核心逻辑： 1️⃣构建图谱：尽可能多地吸收信息。不求深度，先求广度。只有见过全貌，你才能定位坐标。 2️⃣外围探索：不要靠空想去寻找兴趣。通过广泛接触不同的知识领域，不断尝试，直到发现那个让你感兴趣的领域。 [ 网页链接 ↗ ]

a16z联合创始人Marc Andreessen在最新的访谈中聊到了中美AI竞争局势： [ 网页链接 ↗ ]

这一声欢呼，放佛是美利坚民族对着大洋那边庆祝，我们的机器人也能后空翻了！！！哪怕零件掉了一地😂 [ 网页链接 ↗ ]

小作坊用料就是猛！星爷电影角色联袂演唱，笑着笑着居然就哭了… [ 网页链接 ↗ ]

这段话很让我感触。我热爱我经历的每一件事，也热爱我经历不到每一件事。热爱不是偏执的特质，热爱是一种能力。享受当下，总有热情☺️ [ 网页链接 ↗ ]

大家看波士顿动力的视频觉得很牛，我泼盆冷水：这两年想实现商业化大概率没戏。目前顶级的人形机器人，离了人也根本转不动，单说续航在生产线上就是灾难，在能耗、精密度和安全性上也都有巨大的坑要填。它之所以火，是因为长得像人自带流量，适合发朋友圈炒概念。回归商业逻辑，2026年绝不可能有真正规 [ 网页链接 ↗ ]

【纳瓦尔：AI时代，记忆力是最不值钱的技能】正如视频中纳瓦尔所说，记忆力不值钱，但理解力、判断力和品味是稀缺资源。过去我们总觉得知识是门槛，但现在，ChatGPT等AI大模型已经把知识的边际成本直接拉到了零❗️ [ 网页链接 ↗ ]

看到一个七旬老太灵活登山后，我觉得大多数说自己身体不好不适合锻炼的人都是在找借口：昨天在旧金山徒步，想起第一次下决心跑步也是在硅谷，当时累得直喘粗气，结果抬头就撞见一个老太太轻轻松松跑着上山，瞬间觉得只要想练，其实没那么多借口。今年打算完成三个flag：Black Mountain 登顶；贯穿From [ 网页链接 ↗ ]

【马斯克：想学习不用上大学，上大学是为了玩的】 网上知识都能免费学，那上大学到底图啥？马斯克说上大学的意义有两点：一是证明自己能抗压，哪怕是不想做的作业，也能坚持搞定；二是能和同龄人多相处几年，不用急着扎进职场。 [ 网页链接 ↗ ]

AI教父辛顿：“中国领导层很多都是工程师出身，他们对AI了解更深入，而西方领导层很多是律师背景，对AI几乎一窍不通“。这个角度真的很独特啊，快把咱们说成三体里的面壁人了😂 [ 网页链接 ↗ ]

【真正的精神杀手，不是恐惧，而是不断切换任务】 马斯克在访谈中提到维持高效决策的底层逻辑： 1. 睡眠底线:保持正常所需的睡眠时间。如果延长清醒时间，认知功能反而会降低。 2. 信息分拣：把有限的精力分给重要的信息，过滤琐碎的无关信息。 3. [ 网页链接 ↗ ]

CES 2026黄仁勋的演讲上，最抢戏的莫过于这两个机器人小家伙了。但是老黄真正想展示的是将他们训练出来的Omniverse，让机器人在虚拟空间中就能完成这些灵活动作的训练。换种说法就是让合成数据训练机器人、自动驾驶等物理AI应用成为可能。 [ 网页链接 ↗ ]

【马斯克宣称：2026年就是奇点之年！】 马斯克发出预警：数字超级智能可能在今年就发生！并且他认为未来人类集体的智力总和，在未来可能不到数字智能的 1%。 面对一个经济增量爆发数万倍的奇点，你打算做旁观者，还是参与者？ [ 网页链接 ↗ ]

这次波士顿动力公司在CES展会中亮相的新版Atlas三指机器人，官方给它的定位很明确——企业级量产版。 有四大亮点： 1.自由度进化：它不再仅仅是翻跟头，而是拥有 56个自由度，360°连续旋转关节。 2.续航能力：电池续航时间为4小时，支持自主更换电池，可实现不间断连续运行。 3.全天候作业能力: [ 网页链接 ↗ ]

【黄仁勋：物理AI的ChatGPT时刻已经到来】两个关键词：世界模型&合成数据。收集真实世界的训练数据既慢又贵，而且永远不够用。于是老黄这次带来的是一个符合真实世界物理规律的世界模型——Cosmos，它能完成物理AI相关的技能，比如生成、推理和运动轨迹预测。让包括自动驾驶汽车、AI驱动的机器人等物理AI [ 网页链接 ↗ ]

黄仁勋宣布首次为奔驰 CLA 引入英伟达 AI 端到端驾驶辅助软件 DRIVE，新车预计年底前上市。视频看着非常梦幻，几乎和FSD的驾驶体验有一拼了，随后我又看了下the [ 网页链接 ↗ ]

【黄仁勋演示Agent概念视频】前沿模型API调用+本地模型处理私密信息+能识别意图的模型选择器+小型机器人多模态交互（Reachy mini）= 私人智能助手。可以看看原视频，感受下未来和Agent一起工作和生活的一天是什么样吧。 [ 网页链接 ↗ ]

【Sam Altman：真正的风险不是失败，而是遗憾】 回看2016年Sam Altman的访谈，当时OpenAI刚刚起步，大模型概念也尚未成形，一切都还在摸索的阶段，但当时他对风险的定义，就足以解释为什么有的人能开创时代，而大多数人只是看客。 他认为，大众对风险的判断存在根本性偏差。 [ 网页链接 ↗ ]

最近翻出马斯克2015年的一段访谈，很有感触。 很多人以为他当年做特斯拉和Space X是志在必得，其实并不是。他在访谈中说：“当时判断成功概率只有10%。” 10%的成功率在大多人眼中都是不可能的事件。 [ 网页链接 ↗ ]

Gabriel高中辍学入职OpenAI：教育逻辑彻底改写，“自上而下”学习效率更高。传统教育的 “先打基础再实践” 正在失效，大学的知识垄断已经被打破，不用熬几年啃理论，从实际问题切入，靠 AI 补短板，就能快速掌握核心技能。 [ 网页链接 ↗ ]

这个摔法我服了，一般人还真学不来🤣🤣🤣 [ 网页链接 ↗ ]

为什么学霸很容易高开低走？黄仁勋：出身名校、履历光鲜的人，往往天然背负着高期待，反而成了一种枷锁。一旦现实不如意，心态就可能崩塌。 [ 网页链接 ↗ ]