节目

今天给大家讲两个美式恐怖故事。 凌晨三点，昏黄的公寓楼道，空无一人的楼梯间里，有人正在进行一场无声的表演…… 一段突如其来的爱情，一个从未被提起的神秘账号，以及那些逐渐变得无法解释的异常…… 他们究竟遇见了什么？ 而当一个人被好奇心驱使，回应了不该回应的人，打开了不该打开的页面，接下来发生的一切，也许就再也无法停止。 收听时点 一. 哑剧演员（The Mime）00:00:34 二. 女友的OnlyFans（My Girlfriend’s OnlyFans） 00:27:40 参考文献 Bikram Mann：《Unclean Spirits: Horrifying Stories》，Velox Books，2021 Mandahrk：《This Is Why Mimes Are Much More Terrifying Than Clowns》，Reddit NoSleep，2019 Mandahrk：《I Should Not Have Subscribed to My Girlfriend’s OnlyFans Account》，Reddit NoSleep，2020 NoSleep Interviews：《Mandahrk Interview》，2020 Stephen King：《It》 Linda Rodriguez McRobbie：《The History and Psychology of Clowns Being Scary》，Smithsonian Magazine，2013 Jan Harold Brunvand：《Encyclopedia of Urban Legends》，W. W. Norton，2001 Jan Harold Brunvand：《Someone Keeps Sending in the Phantom Clowns》，1991 Melissa Chan：《Everything You Need to Know About the “Clown Attack” Craze》，TIME，2016 注：部分素材及参考文献暂无法确认或联系权利主体，若涉及合法权益，在此先行致歉，并请权利主体与我联系处理相关事宜。上述参考文献对本节目帮助极大，向各位学者、前辈致谢！ 会员节目 超好听的会员节目！

这期四人局攒得特别奇妙：刘律出差做尽调，撞见一支给微缩模型上色的喷笔，一条朋友圈聊出了这期节目。我们请来开了18年锤店的 Lulu，和半涂装半竞技的大厂玩家金锐，聊战锤40K 这个四十年的老 IP：它当年怎么拒绝了暴雪，怎么从满天律师函走到给二创“招安”，一颗棋子凭什么卖一千块，一群中年人又为什么周末聚在一起掷骰子。听到后半段你会懂，这份快乐的核心是“不被定义的结果”——在处处要 KPI 的日子里，给自己留一块说了算的自留地。如果你也在找一个能长期投入的爱好，这期值得听完。 嘉宾：Lulu（北京棋玩战锤Club创始人）、金锐（聊AI、聊龙虾）、刘律（资深律师坦白局） 俱乐部内景（嘉宾供图） 金锐喷绘作品（嘉宾供图） 主播：羊行 录制日期：2026年6月23日 发布日期：2026年7月13日 00:02 开场：一支喷笔怎么攒出一个四人局 02:44 什么是战锤：用英寸丈量距离的桌面战棋，杀光对面未必算赢 07:38 40年 IP 简史：欧洲贵族的兵人沙盘、1987年的 GW、拒绝暴雪的名场面，以及从律师函到“招安”二创 16:24 战锤的科幻家谱：托尔金、《星船伞兵》、《沙丘》、《莱博维茨的赞歌》与异形美学 20:29 为什么此时还玩最古典的游戏：长期投入构筑世界观的浪漫，与国际化的北京棋玩俱乐部 26:52 花费账本：千元单模、3000到5000成军、代工涂装、手涂高于喷涂的鄙视链、闲鱼六位数流水 36:50 玩家画像：男女约9比1、八十多岁爷爷三代同堂参展、初中生“微灯”俱乐部夺冠 对战场面（嘉宾供图） 43:38 “不完美的体验、过程的意义、不被定义的结果”：胜负三参数与中年人快乐的心理机制 以上图片使用YouMind生成 * 战锤40K（Warhammer 40,000） —— 英国 Games Workshop 公司1987年推出的桌面微缩战棋及科幻 IP，设定在约四万年后的银河系，融合奇幻种族与太空歌剧元素，衍生出大量小说、动画和电子游戏。 * Games Workshop（GW） —— 战锤 IP 的英国母公司，主业是设计生产微缩模型并制定对战规则，是全球最大的桌面战棋公司之一。 * 微缩战棋（tabletop wargame） —— 用实体微缩模型在桌面上模拟战争的策略游戏，移动和攻击距离需用尺子实际测量（战锤用英寸），源头是欧洲的军事沙盘推演。 * 喷笔（airbrush） —— 借助压缩空气把颜料雾化喷出的精细上色工具，模型涂装的常用装备，擅长做平滑渐变和明暗过渡。 * 军表与分值（army list / points） —— 战锤的组队机制：双方在相同总分值下挑选单位组建军队，强力单位占分更高，类似 NBA 的工资帽，用来保证对战平衡。 * 瑞士轮（Swiss system） —— 一种不淘汰选手的赛制，按积分不断匹配水平相近的对手打满固定轮数，最后按总积分排名，广泛用于万智牌、国际象棋等竞技比赛。 * 《星船伞兵》（Starship Troopers） —— 海因莱因1959年的科幻小说，塑造了穿动力装甲的太空步兵形象，1997年被改编为电影《星河战队》，是战锤星际战士设定的重要源头。 * 《莱博维茨的赞歌》（A Canticle for Leibowitz） —— 小沃尔特·米勒的经典科幻小说，讲核战后修士以宗教形式保存科技的故事，“科技退化为宗教”的设定影响了《辐射》和战锤的机械神教。 * H. R。吉格（H. R. Giger） —— 瑞士艺术家，电影《异形》的怪物设计者，以骨骼外露、血肉与机械融合的暗黑美学著称，直接影响了战锤泰伦虫族的造型。 * 机械神教（Adeptus Mechanicus） —— 战锤40K 中把科技当作信仰来崇拜的势力，是“科技退化成宗教”这一废土母题的典型呈现。 嘉宾供图 * 跑团（TRPG） —— 桌上角色扮演游戏的俗称，玩家在主持人引导下靠对话和骰子推进剧情，《龙与地下城》（DND）和《克苏鲁的呼唤》（COC）是最常见的两大体系。 * 代工涂装 —— 付费请他人为自己的模型上色的服务。因比赛通常要求模型至少涂三种颜色才能上桌，由此催生出一门职业。 金锐涂装作品（嘉宾供图） * 绩优主义（meritocracy） —— 以可量化的成绩和结果作为评价与分配依据的社会观念，节目中用来指代 KPI 式、凡事看结果的生活方式。 * 太空歌剧（Space Opera） —— 以星际战争、银河帝国等宏大背景为舞台的科幻类型，《沙丘》《星球大战》都属此类，战锤40K 的世界观也是典型的太空歌剧。 配乐：Colm R. McGuinness - Imperium's Dream (Inspired by Warhammer 40k) 后期：米铺工作室 文案：羊行

你有没有过这种时刻：明明自己这条路也不是完全走不下去， 但就是忍不住想—— 如果我当初选了另一条路，会不会更好？ 别人上岸，你羡慕稳定。 别人自由，你羡慕洒脱。 别人精英，你羡慕体面。 别人漂亮赚钱，你羡慕流量。 别人嫁得好，你羡慕不用上班。 反正只要不是自己手里这张卡，远远看着都挺香。 这一期，我们来玩一个游戏：人生体验卡。 但这不是人生导师课，也不是大型比惨大会。 如果只是说“每一种人生都很苦”，那太没劲了。 我真正想聊的是： 人生从来不是绝对的。 你抽到的每一张卡，都有它的光环，也有它的隐藏条款；有默认路线，也有隐藏支线；有掉血时刻，也可能藏着冷门技能。 人生不是一次选错就全盘报废。 它更像一个很烂、很卡、客服还不在线的游戏。 但来都来了。 咱也别急着退游。 找到我们 主播 / 策划：田不甜 听友群 / 互动：qianyufeixuan1987 备注：退烧指南 喜欢这期节目，欢迎点赞、评论、转发，也可以给主播一点小小赞赏。 片尾曲别急着划走。 每一期片尾曲都是根据当期内容专属创作的。 这期是糖果恐怖 Hyperpop 风格的黑色幽默游戏歌：《默认同意.exe》。 ⏱ 时间轴指路 00:00 开场：今天不讲人生导师课，来玩一局“人生体验卡” 03:40 为什么我们总觉得别人那张人生卡更香？ 07:20 人生不是标准化考试，更像一个客服不在线的开放世界游戏 10:30 第一张卡：象牙塔徽章骑士——校园里的光环，出了校门还能不能兑换成能力？ 17:30 学生会、奖项、身份标签：为什么学校里的“我很厉害”，进入社会后会突然失效？ 21:30 第二张卡：城市疾跑信使——他不是在送外卖，是在替整座城市承担“快一点” 27:00 雨天、红灯、电梯、差评：所有人的等待，最后都算成他的慢 31:00 第三张卡：CBD银甲骑士——高薪、工牌、玻璃大楼，银甲很亮，里面的人快没电了 36:20 为什么“被需要”有时候会被误判成“我很有价值”？ 39:50 第四张卡：霓虹献舞者——表面是流量、打赏和被看见，背后是被目光定价 44:20 榜一、机构、算法、直播间：她以为站上舞台，其实站上祭坛 47:20 第五张卡：金笼王后——看起来不用上班的人，也可能每天都在绩效考核 50:30 最终反转：卡牌不是命运，默认路线不是结局 52:20 互动：如果你的人生也是一张游戏卡，你会给它取什么名字？ 53:20 片尾曲：《默认同意.exe》 ⭐️ 本期高光 我们总觉得别人那张人生卡更好，是因为我们只看见了卡面，没看见背面的小字。 人生不是考试，没有标准答案；它更像一个很烂、很卡、客服还不在线的游戏。 人生体验卡不是命运卡。它只是初始设定，不是最终结局。 默认路线不是唯一结局。你抽到一张卡，不代表你只能按系统给你的方式玩下去。 人生不是抽到SSR才算赢。人生是你拿着一张看起来不咋地的卡，玩着玩着突然发现：这破卡居然还能这么打。 本期关键词 人生体验卡｜默认同意｜人生选择｜抽卡游戏｜开放世界｜默认路线｜隐藏支线｜象牙塔徽章骑士｜大学生｜校园光环｜学生会｜身份标签｜社会碰壁｜城市疾跑信使｜外卖员｜倒计时｜红灯｜差评｜快一点｜CBD银甲骑士｜白领精英｜工牌｜体面｜低电量｜被需要｜价值感｜霓虹献舞者｜直播间｜女主播｜榜一｜MCN｜流量｜被看见｜被定价｜金笼王后｜全职太太｜被供养｜金丝笼｜黑卡｜钥匙｜黑色幽默｜游戏人生｜人生不是绝对的 本期延伸主题曲 《默认同意.exe》 一首糖果恐怖 Hyperpop 风格的黑色幽默游戏歌。 它不是励志歌。 不是人生鸡汤。 也不是“大家都不容易”的温柔总结。 它更像一台坏掉的人生抽卡机，冷冰冰地告诉你： “出生即投币，哭声即确认。 默认同意，欢迎降临。” 这首歌里有五张人生卡： 白塔徽章、雨中秒针、银甲骑士、霓虹舞者、金笼王后。 每一张卡都很闪。 每一张卡也都很损。 但最后它想说的不是“人间真苦”。 而是： 默认同意，不等于认命。 卡牌不是命运。 默认路线不是结局。 抽到烂卡，也不代表不能换个打法。 本期想和你聊聊 如果你的人生也是一张游戏卡，你会给它取什么名字？ 是“凌晨三点嘴硬法师”？ 是“一边想通一边发疯刺客”？ 是“看似稳定其实内存不足守卫”？ 是“永远准备开始新人生召唤师”？ 还是“白天很清醒晚上自动掉线术士”？ 欢迎在评论区告诉我。 也想问问你： 你有没有某一刻特别羡慕别人那张人生卡？ 后来又发现，那张卡可能也没有想象中那么好打？ 或者你有没有一次，明明抽到的不是好牌，却打出了一个意想不到的支线？ 不用急着给人生下判决。 我们就聊聊： 你手里这张卡，到底还能怎么玩。

【🍉参与播客】 进听友群可以加主播小船的微信zhangxiaochuan2021 欢迎点击这里关注小船不翻📕主页，观看更多视频 【🫐本期内容】 海带是生长在海里的褐藻，常年扎根深海礁石，是性价比超高的海味食材。它富含碘元素与膳食纤维，还含有多种矿物质，常吃能帮助润肠促代谢，煲汤、凉拌、涮锅都很适配。 很多人泡发海带总软烂发黏，你知道正确泡发方法吗？海带性寒脾胃弱的人不宜多吃，哪些人群需要少吃海带呢？ 【🥒时间轴】 00:00 碘量王者海带，身份竟是海洋里的 “非植物选手”！为啥韩国人生日必喝海带汤，高考碰都不敢碰？ 01:30 咱们吃的海带竟是外来货？多亏“海带之父”拯救大脖子病！ 03:05 碘含量天花板海带，但这几类人一口都别多吃! 05:17 为啥海带汤必配炸豆腐？老祖宗的吃法暗藏科学! 06:08 吃海带四大坑！白霜使劲搓、久泡大半天，营养直接全扔了!

在匈牙利，一场政治变局正让中国新能源产业链上市公司的投资面临风险。宁德时代、恩捷股份等龙头企业，因前任政府的优惠政策而扎堆建厂，如今却因新政权的“清算”姿态而陷入停工、亏损甚至刑事诉讼的泥沼。为什么万华化学扎根十五年，拿了终身成就奖却还是连续亏损？环保罚单、电池护照、员工国籍限制，这些制度性壁垒会如何成为比关税更坚固的门槛？…… 00:02:09:恩捷股份匈牙利工厂停产事件：污染超标严重，环保执法力度加大 00:04:15:匈牙利工厂：恩捷股份的冰山一角之一，宁德时代的挑战之源 00:06:33:匈牙利成为欧洲电池供应链的关键节点，中国电子企业纷纷投资的背后故事 00:08:35:欧洲供应链风险与机遇：匈牙利项目是否值得等待？ 00:10:42:匈牙利失利：万华化学跨国并购的故事结束了吗？ 00:12:47:匈牙利政治周期切换：万华化学的挑战与不确定性 00:15:06:电池护照与欧盟新电池法：万华化学的挑战与适应之道 00:17:18:欧盟新电池法与可持续发展：对中国上市公司的影响与挑战 00:19:24:全球化之路：中国上市公司在匈牙利的挑战与机遇 00:21:27:万华化学：跨国经营的漫长考验与匈牙利电子产业链的未来

2026年7月，AI走到了一个微妙的关口。 钱还在往里砸——四家头部云厂商2026年资本开支合计7250亿美元，比2025年猛增77%。但资本市场已经换了脸色，“七巨头”上半年整体下跌。 7月，Meta计划出租闲置算力的消息一出，Meta自己大涨，算力产业链却集体扑街。 同月，微软开始大面积取消Claude Code内部许可证。就在半年前，微软刚把这套AI编程工具开放给数千名工程师，使用率从32%飙到84%，有人一个月Token费用就花掉500到2000美元——微软也经不起这么折腾。 还有一个信号更宏观：Silicon Data的Token支出指数，自2024年底创立以来近乎翻倍，2026年5月见顶后已回落近20%。 指数回落背后是更具体的现实：大厂程序员发现模型接口开始排队了，有人抱怨“现在用AI像抢车位”，额度一到月底就见底。 三件事指向同一个变化：过去三年聊模型能力，今天开始聊商业回报。 AI，不是互联网 AI的生意和互联网的生意，底层逻辑天然有所区别。 互联网时代：固定成本高，边际成本趋近零。微信多一亿用户，服务器成本增加有限。流量是资产，用户越多越赚钱。 AI时代：用户增长→Token增长→GPU消耗增长→成本同步增长。用户每说一句话都在消耗资源。 互联网时代，流量是资产，在AI时代，流量可能变成负债。 但这里有一个容易搞混的地方。 很多人觉得AI烧钱烧在训练上——动不动几百万美元跑一次模型，听着就吓人。但训练其实是一次性的研发投入，就像买一台矿机，贵是贵，买完就完了。 真正要命的，是推理。用户每问一句话，你就要付一次钱。像电费，机器开着就在流血。 训练烧钱未必致命——融资能覆盖。推理如果算不过来账，用户越多，倒得越快。 那Token指数回落近20%怎么理解？不一定是不用AI了，也可能是在更省着用。工程上各种优化——MoE、蒸馏、KV Cache、缓存命中——让同样一件事消耗的Token变少了；企业也在把调用从贵的大模型往便宜的模型迁移，低价值的用法则干脆砍掉。几股力量合在一起，Token增速自然就慢下来了。 如果算力成本只是数字上的问题，靠技术优化和规模效应总能慢慢解决。但AI商业化真正棘手的，是一个更深层的错位：它创造的价值，和它收取费用的方式之间，隔着一条看不见的裂缝。 员工喜欢AI，老板只看账单 正如学生上补课班，买单的是家长一样，AI产业有一个挺独特的结构性问题：用它的人和为它付钱的人，不是同一个人。 员工可太喜欢AI了：写周报、做PPT、整理会议纪要、生成代码。效率的提升是每个人都能直接感受到的。但老板关心的是另一套东西：收入增加了吗？成本降下来了吗？人员减少了吗？ 很多AI创造的是效率价值，却没有转化成财务价值。 一百个员工每人每天省下30分钟，听起来很美好。但工资没降，岗位没减，利润没增——软件费用反而还多了一笔。在员工眼里，这是“效率神器”；在老板的利润表上，它往往只是一笔“管理费用”的增加。 有人总结得很精准：先给你无限Token随便用，等你已经离不开AI了，再开始限制额度。问题就在于，2025到2026年，这一批工具集体从“聊天”升级成了“Agent”，突然变得特别能烧钱。 一个对比很清楚：RPA（机器人流程自动化）为什么卖得动？因为它替代了3个岗位，软件成本增加10万，人工成本减少30万——ROI清清楚楚。而很多Copilot类产品呢，软件成本增加了，人工成本却没变——ROI是模糊的。 很多人以为“模型越聪明就越值钱”。实际上，企业更关心的是：AI犯了错的代价有多大。 有些场景对准确率没有那么苛刻。比如会议纪要、法律初审、代码辅助、财务审核，准确率85%就可以接受。只要AI犯错带来的成本，比人工全量处理的成本低，这商业模式就有机会跑通。 但换到自动驾驶、医疗诊断、金融交易、司法裁决这些场景，逻辑就完全不同了。在这里，决定商业价值的不是效率，而是责任。AI离决策层越近，责任就越大，企业对精度的要求就越高，验证成本就越高，商业化的周期也就拉得越长。 同样是AI犯错：会议纪要写错一个数字，损失可能就是5分钟的回查时间；医疗诊断给错一个用药建议，一旦引发诉讼，赔偿金额往往几十上百万。 深圳一家AI教育硬件公司推出的AI拍学机，累计用户超过25万，但至今未能盈利。原因在于每一次识别都要消耗Token，用户越活跃，成本越高。 为了控制开支，公司不得不采用端云协同、小模型处理高频任务、缓存重复结果等方式压缩推理成本。 最近Momenta成功上市后，创始人曹旭东表示，1000万辆车，按一年1万公里累计，当年的驾驶里程就有1000亿公里。这些数据足以覆盖很多场景。这里面涉及的问题，人开一辈子车可能都不会遇到。但他同时也说，正常情况下，人开车差不多1万公里左右，会遇到一次难以处理的场景。 题做错了大不了重做，但换成自动驾驶，一瞬间的判断失误，可能就是生命代价。这就是为何Momenta必须采用真实数据背后的考量。AI越靠近决策层，商业化的瓶颈往往越不是算力，而是责任。 AI当然要算账，但别过了头 过去几年，行业看的是用户数、DAU、Token、参数规模。未来几年，大家盯着的指标会变成：单用户毛利、推理成本、客户续费率、ROI、自由现金流。 互联网时代，规模几乎天然带来利润；AI时代，只有先证明利润，规模才有意义。 中金公司的研究测算显示，从算力自建的角度看，推理成本大概是每百万Token 2美元；从算力租赁的角度看，大约是2.6美元。Bessemer Venture Partners在《State of AI 2025》报告里也指出，AI公司的毛利率远远低于传统SaaS，大概在60%上下，有些公司甚至低到了25%。 当VC的尽调清单里开始出现“单用户收入是否能够覆盖推理成本，并留下足够毛利”这样的语句时，AI行业的技术叙事，就彻底让位给了商业叙事。 2026年，还发生了一个很微妙但影响深远的变化：到底是谁决定AI资源的分配？ 过去三年，资源往往听工程师的。大家讨论的是参数、算力、模型能力。今天，财务部门开始拿到越来越大的话语权。大家讨论的，变成了ROI、毛利率、现金流。过去三年一直坐在后排的CFO，现在坐到了副驾驶的位置上。 飞书CEO谢欣在今年1月的一次演讲里也提到，企业落地AI的时候，安全管控部门和财务预算部门正在成为主要的阻力。他的建议是，财务预算要从ROI思维，升级成COI思维，也就是关注“不作为的成本”。 但这里也需要警惕另一种极端。如果说工程师高估了技术，那么财务可能低估了未来。很多颠覆式创新——Agent、Physical AI、世界模型——天然就不符合短期ROI那套逻辑。 过去三年，工程师坐在驾驶位，财务坐在后排。今天，财务坐到了副驾驶，开始盯着油表看了。但如果财务一把抢过方向盘，同样也可能错过未来。 那么问题来了，谁会率先跑通商业模式？ 像初级法律辅助、工业质检、初级金融风控辅助、行业知识库、垂直SaaS，这类场景有一个共同点：责任边界清晰，结果能用钱衡量，ROI算得过来。说白了，就是AI犯错的代价可以接受，省下来的钱看得见、摸得着。 什么样的可能面临危险？那些千篇一律的通用聊天机器人、免费AI助手、同质化严重的AI应用。用户量看着挺大，可钱从哪儿来，没人说得清楚。 安联研究算了一笔账，目前AI领域的投资增速，和实际销售收入之间，存在着接近46%的“增长断层”。这个数字，比2001年互联网泡沫破裂期的32%还要严重。换句话说，钱是真砸进去了，收入却没跟上。 把目光放长一点，真正的机会，可能藏在“开源模型+行业数据+工作流”这个组合里。企业未来买的，未必是模型本身，而是模型背后的行业能力。谁更懂某个行业的数据和流程，谁就能把AI变成可收费的服务。 当然，如果Agent或者Physical AI哪天突然突破了，现在的算力格局可能又得重新洗牌。但不管怎么洗，ROI这个问题不会消失，只会换一种方式，重新出现在下一张利润表上。

本期嘉宾：讯兔科技（Alpha 派）联合创始人 崔予淳 大家好，欢迎来到大方谈钱，这是一档由华夏基金出品的播客栏目。最近呢，我们也是跟很多人聊了关于 AI 相关的部分，这里头从业者尤其感兴趣的话题是 AI 投研。今天我们很荣幸邀请到了讯兔科技（Alpha 派）联合创始人 崔予淳老师来跟我们分享一下，关于AI，关于投研，关于很多大家感兴趣的一些话题。 Timeline: 01:10-03:30 创业初心：传统投研的数字化痛点 1. 早年公募投研工作流极度离散，信息收集、整理、复盘全靠人工，大量重复低效工作； 2. 市面上金融软件仅做数据展示，无法串联完整研究逻辑，研究员存在大量信息处理负担； 3. 定位 Alpha 派：不是自动炒股工具，而是投研生产力工具，核心解决信息筛选、逻辑梳理、报告撰写等重复工作。 03:30-04:30 AI 工具迭代历程 1. 2023 初期仅单点功能：自动生成会议纪要，只能解决单一细碎工作； 2. 现阶段进化为完整 Agent 体系，封装标准化工作流，可覆盖 50% 以上常规投研任务； 3. 产品底层逻辑：不依赖用户复杂提示词，预置行业通用研究框架，大幅降低使用门槛。 04:30-06:10 很多人用不好 AI 投研的两大根源 1. 预期错位：分不清 AI 辅助定位，指望 AI 直接给出选股、涨跌结论，超出模型能力边界； 2. 使用方式粗放：仅一句简单提问，未拆分任务、限定信息来源，输出结果粗糙、失真； 3. 正确前置动作：先明确任务目标、界定交付标准，再交给模型执行。 06:10-09:10 核心产品案例：公司一页纸底层设计逻辑 1. 用户核心需求：快速看懂公司核心催化、业务逻辑，而非堆砌财报数据； 2. 三层设计逻辑：优先短期催化→拆解业务基本面→财务与估值校验； 3. 信息权重区分：公告、业绩会为高权重，网络传闻仅作参考，自动甄别无效信息； 4. 产品优势：极简入口，输入代码即可生成标准化分析，支持自定义行业研究框架。 09:10-14:00 如何沉淀专业投研认知给 AI 1. 早期方案：硬编码、长 Prompt 固化行业研究模板； 2. 当前更优方式：通过 Markdown 参考文档沉淀研究 Know-how； 3. 实操技巧：多次迭代交互，把优质分析流程抽象固化为通用 Skill； 4. 难点：产业逻辑抽象难度高，无法完全依赖模型自主思考，需要人持续校准约束。 14:00-17:30 AI 会不会替代研究员？分层解读 1. 无法替代工作：线下调研、上市公司访谈、人际信息交换、非共识深度推演； 2. AI 可承接：海量信息检索、公告梳理、纪要整理、基础数据汇总等标准化工作； 3. 行业变化：不会裁员，而是岗位升级，催生「AI 投研专项岗」，负责搭建团队标准化工作流； 4. 长期趋势：资产管理市场持续扩容，可覆盖标的变多，AI 是放大研究覆盖面的工具。 17:30-21:00 未来机构投研团队组织形态预判 1. 现状：各研究员 AI 使用水平参差不齐，团队无统一标准，整体效率提升有限； 2. 未来标配：每个研究小组配置 1 名 AI 流程负责人，沉淀团队专属研究框架； 3. Agent 团队化构想：公共中枢 Agent + 个人研究员 Agent，统一调度标准化任务； 4. 卖方 / 买方差异：卖方侧重批量产业梳理，买方侧重个股深度跟踪、催化捕捉。 21:00-25:00 AI 工具持续迭代的核心驱动力 1. 核心驱动：一线用户真实吐槽、高频使用中暴露的数据 / 逻辑错误； 2. 两大迭代方向： ① 底层 Agent 基建：提升结果稳定性、统一数据源、优化上下文管理； ② 上层标准化 Skill（日报、行业梳理、调研大纲），降低上手门槛； 3. 大模型能力≠全部，金融专属数据约束、任务流程封装才是工具核心壁垒。 25:00-30:1 普通人从零上手 AI 投研实操路径 1. 入门首选：每日市场 / 行业自动日报，高频、覆盖全市场，快速熟悉模型能力边界； 2. 进阶练习：拆解会议纪要完整工作流，区分原始录音、逐字稿、结构化核心洞察； 3. 实操技巧：复杂任务分步拆解，单次只解决单一目标，多轮对话优化后固化流程； 4. 上下文管理干货：新任务新开对话、明确信息数据源、精简无关历史内容，减少模型干扰。 30:1-33:00 深水区实操：自动化研究与多 Agent 协同 1. 适合自动化任务：事实类汇总（财报、催化、行业数据）； 2. 难以全自动：深度主观推演、产业非共识判断； 3. 多 Agent 使用思路：不直接跨模型对话，按需调用各工具专属能力组合使用； 4. 落地难点：模型输出不稳定，需要设置结果复核流程，规避数据幻觉。 33:00-37:00 行业终局：AI 时代 ToB 投研软件商业模式 1. 传统 ToB 软件痛点：客户需求非标，定制开发成本极高； 2. 大模型带来变革：通用泛化能力大幅降低定制成本，一套工作流适配多类研究需求； 3. 长期价值：工具不会被基础大模型吞噬，垂直金融数据、专业研究流程是核心壁垒。 本期制作 嘉宾：崔予淳 主播：梁狗蛋 制作：余冬 温馨提示：播客大方谈钱由华夏基金出品，所有投资相关内容皆以交流分享为目的，仅供参考，不构成任何市场预测、判断，或投资、咨询建议。本节目不作为个股推荐，不作为任何法律文件，内容中的所有信息或所表达意见不构成投资、法律、会计或税务的最终操作建议，华夏基金不就资料中的内容对最终操作建议做出任何担保。在任何情况下，本公司不对任何人因使用本资料中的任何内容所引致的任何损失负任何责任。我国基金运作时间较短，不能反映股市发展的所有阶段。市场有风险，入市需谨慎。

【书籍概述】： 本书以极具故事性和戏剧张力的笔触，全景式描绘了量子物理从诞生到蓬勃发展的百年壮阔史诗。它从普朗克提出量子概念这一革命性突破开始，生动讲述了爱因斯坦与玻尔围绕“上帝是否掷骰子”展开的世纪论战，并清晰阐释了双缝干涉、不确定性原理、波粒二象性、量子纠缠等一系列颠覆性概念。作者巧妙地将复杂的科学理论、关键实验与科学巨匠的人物故事、哲学思辨融为一体，不仅是一部硬核知识的科普指南，更是一部关于人类如何挑战认知边界、重塑世界观的精彩思想史。 【核心内容】： ① 世界观的根本颠覆：量子论的核心在于揭示了微观世界的概率本质与内在不确定性，直接挑战了经典物理学的决定论世界观，其核心哲学命题即“上帝是否掷骰子”。 ② 波澜壮阔的思想交锋：量子物理史是一部充满戏剧冲突的思想斗争史，以爱因斯坦与玻尔为代表的科学巨人之间的论战，超越了单纯的科学争议，触及了实在性、因果律等根本哲学问题。 ③ 从理论到未来的桥梁：本书清晰梳理了从波粒二象性、薛定谔方程、量子纠缠等基础理论，到量子计算、量子通信等前沿应用的逻辑脉络，展现了量子物理如何深刻塑造并继续定义我们的技术未来与宇宙认知。 【作者及介绍】： 本书作者是知名科普作家。他毕业于复旦大学和香港大学，长期致力于科学传播工作。其代表作《上帝掷骰子吗？：量子物理史话》以生动的文笔和清晰的逻辑，成为中国最畅销、影响力最为深远的科普著作之一，曾荣获多项国家级科普大奖，并入选“改革开放40周年最具影响力40本科普书”，被誉为中文科普写作的里程碑式作品。

核心判断： 模型的“够用能力”正在商品化，但企业真正购买的不是词元，而是可靠完成的结果。单价下降、总账单上升与资产价格更敏感，可以同时成立。 本期不把榜单当作“所有模型都一样”的证明，也不把股价回落当作某个单一原因的证明。更稳健的结论是：同一榜单上出现分数接近、成本快照差异较大的模型；高风险任务仍可能为可靠性付溢价；市场可能开始要求 AI 投入给出更清楚的回报。 对中国听众，美国更适合作为更早落地的样本，而不是中国的未来预告片。真正可迁移的问题是：哪些工作可被清楚描述、反复复制、快速检查；哪些价值来自判断、信任和对结果负责。 模型分数接近，价格并未接近： 2026 年 7 月 9 日，Meta 发布 Muse Spark 1.1，并首次通过 Meta Model API 向开发者收费。独立评测显示，它与 6 月中旬的开放权重模型 GLM-5.2 同为 51 分；6 月 30 日发布的 Claude Sonnet 5 为 53 分。 两分的指数差，不自动等于九倍的效用差；九倍的成本差，也不自动证明贵模型定价错误。任务难度、稳定性、隐私、速度与责任边界仍会改变价值。 从词元账单到合格结果成本： 据 OfficeChai 在 2026 年 7 月 11 日发布的二手文字整理，Chamath Palihapitiya 在 All-In 播客中转述了 8090 的两个内部数字：词元开支每 45 天翻倍，而对应生产力提升最多约 5%。这是二手记录的人物说法和单一公司样本，不是原节目逐字稿，也不是经审计的行业统计。 把 Mark Zuckerberg 与 Chamath Palihapitiya 放在一起看，张力很清楚：前者用 Muse Spark 1.1 把模型单价往下压，后者提醒企业总账单仍可能快速上涨。一个讲供应越来越便宜，另一个讲使用可能越来越昂贵。 模型能力只是生产过程里的一个零件。企业最终买的是少出错、快交付、多收入、低成本。 最强反证：如果模型可靠性快速跃升，第一次就能把复杂任务做对，今天的高账单可能只是技术落地初期的混乱，而不是长期结构。 Micron：好财报之后，为什么股价仍回落： 我们可能因为股价先跌了，才开始寻找理由。我把这段价格行为视为待验证信号，而不是投资者正在重新计算什么的证明。 2026 年 4 月 29 日，Meta 把全年资本开支指引上调至 1,250 亿至 1,450 亿美元，并把部分增加归因于内存涨价。4 月 30 日，Meta 股价一度下跌接近 10%，市值约减少 1,750 亿美元。这里可以确认同一时点的市场反应，但不能宣称内存涨价是股价下跌的唯一原因。 美国就业：三层证据，不能混成一句话： 这项美国薪资系统样本提示，压力可能先出现在年轻、初级，而且工作内容更偏自动化的岗位；研究尚不能完全锁定因果。 对中国听众的表达边界：美国的行业结构、工资水平、监管和企业管理方式与中国不同。本期不对中国就业、经济或股市做方向预测，只把美国作为更早落地的样本。 对个人更有用的问题是：自己的工作里，哪些步骤能被清楚描述、反复复制、快速检查？剩下的价值是否来自行业经验、判断、信任，以及对最后结果负责？ 三种发展方向与观察信号： 三条路可能同时发生：普通模型更便宜，顶级模型保留溢价，企业把预算从“多用”改成“做成”。 投资与生活层面的共同启示，不是追逐某个具体标的，而是改变观察单位：模型榜单看任务适配，企业投入看合格结果成本，个人能力看判断、信任与责任。 ------ 了解更多： Jason X | NDV X | NDV 官网 | 公众号：NextGen Digital Venture ------ 声明：本节⽬内容仅供信息分享与学术探讨，不构成任何形式的投资建议。所有分析、观点及案例均不指向推荐任何具体投资标的或操作。投资决策须由您基于个⼈独⽴研究作出，并⾃⾏承担全部⻛险。市场有⻛险，投资需谨慎。 ------ 【收听延伸与交流】 欢迎加入我们的听友群，一起探讨你的“非共识”。 世界没有标准答案，我们欢迎一切有价值的思考碰撞。 添加「非共识的20分钟-课代表」，即可入群交流。 另外，为了给购买过付费节目的听友提供更聚焦、更高质量的交流空间，我们新建了「资深交流群」，面向已购买《非共识的 20 分钟》任意付费集的听友开放。已购买付费节目的听友，可添加「非共识的20分钟-课代表」了解详情。需提供购买记录截图，核验后入群。 *社群内所有讨论仅为听友间的观点交流与学术探讨，不构成任何投资建议。