AI Agent的竞争，正在从“单次任务做得好不好”，进入“长期记忆能不能沉淀成系统资产”的阶段。Codex和OpenClaw都能处理复杂任务，但它们对“记忆”的设计哲学完全不同：

Codex更像一个强大的即时执行体，而OpenClaw更像一个会把工作过程沉淀到本地系统里的助手。

或者这么理解：Codex更擅长解决“这一次”，OpenClaw更擅长服务“以后每一次”。

Codex的核心优势在于临场推理、代码修改、调试、重构和一次性任务攻坚。OpenClaw的优势则在于长期流程、自动化值守、上下文延续和工作系统沉淀。

长期记忆不是简单地把上下文窗口拉长。真正有价值的记忆系统，应该能把一次任务中的关键决策、偏好、失败案例、项目规则和执行路径沉淀下来，并在未来合适的时候重新召回。

从这个角度看，OpenClaw和Codex走的是两条不同路线：

OpenClaw把记忆视为本地工作区的一部分，强调文件系统、Markdown、可见性和可编辑性。

Codex则更偏向通过官方Memories、会话摘要、历史账本和外部插件来恢复长期上下文。

这背后其实是两种Agent哲学。OpenClaw更像一个围绕工作区持续成长的本地助手，而Codex则像一个高能力的执行Agent，通过附加记忆层来获得跨会话连续性。

Read more

OpenAI为Codex出的Record & Replay插件，表面上看，它和传统RPA（机器人流程自动化）都做同一件事——录制人的操作、自动重复执行。但二者的底层逻辑截然不同，适用场景也完全不同。

一句话总结：

RPA是“录脚本、跑脚本”；Codex Record & Replay是“录意图、理解意图、自适应执行”。

Codex Record & Replay是什么？

它的使用方式极其简单：

第一步，在Codex插件栏开启录制。

第二步，在Mac上正常操作一遍你的工作流，比如填报销单、发布视频、整理数据等等。

第三步，停止录制。

第四步，Codex会自动分析整个过程，生成一个可复用的Skill。

生成的Skill不是像素录屏，而是对整个工作流意图的结构化提炼：

记录数据存放在哪、素材如何组织、如何验证结果是否正确，且全程可编辑、可调整。

再来看传统RPA工具。

它的工作原理，是录制UI坐标和选择器。它执行的是死的脚本，没有任何理解能力。

Read more

• Codex Record & Replay神级功能：用户只需当着AI的面完整操作一次（录屏），Codex就能自动理解每一步操作意图，并将其封装成可重复调用的Skill。实现从“文字描述”到“直接示范”的学习方式跃迁，大幅降低复杂工作流Skill化的门槛。

• 实际演示效果：以“从Ulysses复制文章→发布到Substack并添加订阅按钮”为例，录制一次后，Codex即可自动复现全流程（含浏览器操作、文本处理、按钮插入）。出现小偏差时，用户反馈后AI能自动修正Skill，验证了其可靠性。

• 底层能力与意义：依赖多模态理解（视频）+ Computer Use能力，将人类的隐性知识（难以用语言清晰描述的工作流）显性化。这意味着大量复杂操作技能将快速被AI掌握，是今年最重大的Agent能力升级之一。

就在昨天，Codex更新了一个新功能：Record & Replay。

这是我今年见到最牛逼的功能，没有之一！

开启这个功能之后，你接下来在电脑上的所有操作都会被Codex录制下来。然后，它会理解你的每一步操作，并且把它们都转化成Skill的形式。

下一次，如果你还想进行同样的操作，不需要自己动手了，让Codex调用那个Skill就行。

我很少用那些浮夸的词汇。但这个功能在我看来，就是“神级更新”。为什么？用一句话来总结就是：

AI学习的方式，从“描述给它听”进化到“直接示范给它看”。

以前你要让AI学会某项能力，你得进行文字描述。基于这些文字描述生成Skill。

那问题来了：对于大多数人来说，把自己的工作流语言化、结构化，门槛是很高很高的。不是谁都能讲得明白的。

现在Record & Replay功能把这个门槛去掉了。你根本不需要做任何描述，只需要当着AI的面，操作一次，然后它就学会了。

本质上，它是在把隐性知识显性化。

本期视频，我来给你们详细演示一下。

哈喽各位好，欢迎回到我的频道。谦虚地说，我是国内少数几个能把关于AI的Why和How讲明白的博主。我提供的东西远比教程更值钱。记得点一波关注。如果想链接我，就来我们newtype社群。这个社群已经运营800天，有超过2400位小伙伴付费加入啦。

如果你是国内用户，可以从知识星球加入。如果你是海外用户，可以从Substack加入。我的两套课程、日常的Newsletter以及专属视频，在社群内都可以看到。

回到今天的主题：Codex的神级更新。

这个演示昨天我在社群内发过。当时我测试成功之后，非常震撼。然后第一时间就把录屏分享出来了。

我平时经常需要把一篇写好的文章从写作软件里拷出来，存进Substack里，排版、发布。

这是一个每周都要做几次的重复动作。如果AI能帮我操作，那肯定会省很多时间。

于是，我在对话框里加载Record & Replay插件，告诉Codex，我要做一个新的Skill。它会管我要录屏的权限。给它之后，在画面正下方会看到，录制已经开始了。

我打开写作软件，把文章全选、复制。然后来到Substack后台，创建一篇新文章。把文字贴进去。在最末尾的地方，添加一个订阅的按钮。最后回到顶部，把标题贴上去，把序号去掉，返回就可以了。

关掉录屏之后，Codex知道我已经操作完成，它会自动开始Skill的创建。这个过程咱们看着就好。Codex会根据录像回顾刚才的每一步操作，理解操作的意图和逻辑，然后把这些都封装进Skill。

搞定之后，咱们来测试一下效果。正好我还有一篇社群专属文章需要发布。我让Codex把它存进Substack。

Codex在刚才创建的Skill指导下，先在系统里找到Ulysses这个写作软件，然后把指定的文章找到。接着，它开始操作Chrome浏览器，到Substack后台点击创建文章，打开编辑页面。最后把内容贴进去，把标题从正文里剪切出来，填到标题的位置，就搞定了。

咱们来检查一下效果。Substack后台的草稿箱里确实有这篇文章。标题和正文都对。唯一的问题是，文章的末尾少了订阅按钮。

看来，刚才那个Skill还得再修改一下。回到Codex，把这个遗漏反馈给它。Codex检查了之前的录像，确认是它自己的判断出现失误。于是它在Skill里补上添加订阅按钮的这一步。

我把草稿删了，让Codex再操作一次，验证Skill有没有修好。你看，这次它就懂得，把页面滚动到正文结尾，在最后一段后边放置插入点，添加订阅按钮。

来到草稿箱里检查成品，完全OK，符合我之前操作的结果。

你看，这个就是Codex新出的Record & Replay。它基于两个能力：一个是多模态，因为要理解录像；另一个是Computer Use，因为要复现用户的操作。

这两个能力并不罕见，Skills这个东西也出来很久了，但是OpenAI把它们组合起来，让那些不容易被文字描述出来的能力通过视觉输出给AI。

就像我开头说的：把隐性知识显性化。从这个功能开始，又会有一大波人类的技能被AI学会。这个就是我说它是Codex神级更新的原因。

OK，以上就是本期内容。想了解AI，想成为超级个体，想找到志同道合的人，就来我们newtype社群。那咱们下期见！

Subscribe now

很多人不是没有能力做作品。

恰恰相反，是因为他太想做一个“像样的作品”，所以一直没有作品。

他想等自己想清楚，等工具学明白，等选题足够好，等表达足够成熟，等整个东西看起来足够完整，再发出去。

结果就是：永远不发。

我以前也有这个问题。

脑子里有很多想法，Obsidian里有一堆笔记，收藏夹里全是教程。看起来每天都在进步，每天都在准备，但如果有人问我：“你最近做了啥？”我只能尬在原地。

在今天，一个人有没有作品，不是看他脑子里想过什么，不是看他收藏了多少资料，也不是看他跟朋友聊过多少宏大的想法。而是看他有没有留下一个别人能看见、能打开、能转发、能评论、能使用的东西。

没有这个东西，你在市场里就是隐形人。

你可能很聪明，很有想法，也很努力。但从外部看，你不存在。别人不知道你在想什么，不知道你能解决什么问题，也不知道为什么要信任你。

所以，newtype四步里的第一步，是“出作品”。

不是先搞钱，不是先搭系统，不是先做个人品牌，而是先出个作品。

但问题来了：很多人一听到“作品”，脑子里想的是“代表作”。

他觉得作品必须是一篇非常完整的万字长文，必须是一个真正能卖钱的产品，必须是一套成熟的方法论，必须是一个看起来很专业、很完整、很能证明自己水平的东西。

这一下就把自己困住了。

因为你的第一个作品，不应该是代表作。

你的第一个作品，只是一枚信号弹。

Read more

• newtype的核心目标不是搞钱，而是个体主权自由：与市面上绝大多数教人用AI赚钱的社群不同，newtype的本质是帮助成员从“出卖劳动力”转向“拥有生产资料”，通过AI实现真正的个人主权与长期自由。

• 四步可执行路径：①出作品（公开创作并拥有真实受众）；②跑通一单（直接面向市场获得第一笔非工资收入）；③建根据地（建立不依赖平台的个人资产系统）；④系统自转（形成作品-用户-收入的自我循环）。

• newtype是“个体主权建设营”：不是短期变现或抱团取暖的社群，而是帮助成员长期构建可持续的个人生产系统，实现从消费者到生产者的根本转变。

别的社群都在搞钱，newtype社群在干嘛？

这个问题，我最近想清楚了。

AI这一波，国内出现了一堆大大小小的付费社群。其中，绝大多数都是以“搞钱”为共同目标的。也就是教大家怎么用AI搞钱，比如做自媒体、一键生成万字长文之类的。

但我发起的newtype社群并不搞钱。我之前发了好几期视频和文章，详细讲过我对newtype的定义、构想。用一句话来总结就是：

通过AI实现个体主权自由。

AI是手段，个体主权自由才是我们社群的共同目标。这是我过去几年走的路，也是未来要继续前进的方向。但它还是太宏大、太虚，不够落地。对于很多新人来说，不知道该怎么办。

如果把“个体主权自由”进一步拆解，变成可行动的目标，会是什么？

根据我个人的经历，我认为，有这四个步骤。只要你走完这四步，那么我要恭喜你：在AI时代，你的人生肯定会很不一样。

第一步，出作品。

每个人都要有一个公开作品。文章、工具、视频、自动化脚本、课程、咨询方案等等，都可以。

作品的标准也很简单：有链接，有署名，有真实读者或用户，能被别人转发、收藏、使用。反正就是发出去，让别人能知道你、找到你。

你别小看“出作品”——这是从“消费者”变成“生产者”的第一步。

第二步，跑通一单。

这个跑通的一个单子，可以是你卖了一个小产品，接了一个咨询，通过内容带来了付费用户，或者在AI的帮助下交付了一个项目，都可以。

这是非常重要的里程碑。因为它意味着，你用自己的能力，不经过雇主、老板，拿到第一笔非工资的收入。

不依赖某个组织，直接面向市场——这是个体主权的真正开端。

第三步，建根据地。

实现个体主权自由是一条很长的路。要持续走下去，你需要有根据地，也就是建立一个你自己拥有的、可复利、可沉淀的个人资产系统。

这个系统包括个人网站、知识库、社群、可重复交付的服务流程、AI工作流等等，都可以。

重点是：它不能被平台绑定。也就是说，你的东西必须留着你自己的手里。不管是模型还是工具，都可以随意更换，而你的系统还在。

第四步，系统自转。

也就是，把作品、收入、根据地，变成一个可以自己持续运转的循环。

你发布作品，作品带来读者和用户；你服务用户，用户的问题又变成新的素材、新的灵感。所有这些东西都沉淀到你的根据地里。

到这个时候，你就不再是每次都从零开始。你不是靠一时的灵感，不是靠平台突然给你流量，也不是靠老板给你安排任务。

你有自己的生产系统。它会持续帮你产生作品、机会、关系和收入。

这才是AI时代真正重要的能力：不是一次性赚到一笔钱，而是拥有一个能持续创造可能性的系统。

回顾这四个目标：出作品，是从消费者变成生产者；跑通一单，是证明市场愿意直接为你付费；建根据地，是在自己掌控的地盘上，建起一套不依赖平台的资产系统；系统自转，是让作品、用户、产品和收入形成持续循环。

每个人有不同的背景、不同的能力范围、不同的偏好。所以我不想忽悠让所有人都去做自媒体、去开发产品。

刚才我讲的那四个目标，不管你之前是什么职业、什么背景，都适合。

newtype的重点，不是反抗谁，而是建立一个新的自己。

newtype社群不是一个抱团取暖的小圈子，而是一个“个体主权建设营”。

如果你正在走这四步，或者已经决定开始走，newtype就是非常适合你的社群。欢迎加入。

OK，以上就是本期内容。咱们下期见。

Subscribe now

先说结论：

HBM产能问题依旧没解决。

而且比2024年那波“HBM卖爆了”的状态更严重。短缺正在从2026年向2028、甚至2030年延伸。

这不是我的判断，是三家HBM供应商自己说的话。

SK海力士：CFO在10月财报会公开说，2026年HBM供应全部卖完。HBM、DRAM、NAND三个品类的产能实质上已售罄到明年。

三星：已就绪的HBM4产能完全预订、完全售罄。

美光：2026年全年HBM产能（包括HBM4）的价格和数量协议全部签完。CEO原话是：整个2026年的产能完全售罄。

这三家是行业里仅有的三家HBM玩家。也就是说，全球HBM产能100%都已经卖出去了。

不仅如此，美光CEO在5月27日还表示：在中期维度，美光只能满足主要客户实际请求量的50%到65%。

换句话说就是：客户要100颗芯片，美光只能给50到65颗。

这是教科书级别的卖方市场。客户排队、产能不够、自动具备议价权。

SK海力士也说（10月财报会原话）：即便到2027年，HBM供应仍预期紧张。

这意味着新建的所有fab、所有扩产计划加起来，到2027年都填不上这个洞。

这三家的部分订单已经锁到2028到2030年。也就是说，今天下单的客户，理论交付时间在2028年之后。

更夸张的是，HBM的稀缺已经传导到整个内存市场。

SK海力士在财报会上明确说：由于内存厂商把产能优先给HBM，通用DRAM和NAND的供应也开始受限。

这就是为什么今年服务器DRAM价格上涨60%以上，智能手机BOM成本上涨14%。

那么问题来了：为什么产能解决不了？

Read more

应用层最容易被看见，也最容易被模仿；算法能力会扩散，软件功能会复制，价格会在竞争中下降。

但算力背后的GPU、HBM、电力、散热、数据中心、先进制程和封装，都存在于物理世界里。它们不能像软件一样无限复制，也不能靠几行代码瞬间扩容。

所以，AI投资的第一层过滤器，不是看谁的故事最吸引人，而是看谁卡住了最稀缺、最难复制、最有定价权的物理瓶颈。

但讲到这里，一个更现实的问题就出现了：到底谁才是AI时代的“铲子”？

很多人一提到AI基建，第一反应就是英伟达。这个反应当然有道理。英伟达是过去这一轮AI行情中最重要、最耀眼的公司之一，它几乎成为“AI算力”的代名词。但如果我们只把AI基建理解成GPU，就会把产业链看得太窄。

你买…

Read more

• 串行瓶颈是AI原生组织的核心：传统组织最大的障碍不是执行慢，而是大量必须由人类按顺序处理的环节（复杂信息综合、关键决策拍板、跨部门协调、上下文传递）。AI并不能自动消除这些瓶颈，只是把它们照得更亮。

• 真正的AI原生不是“多用AI工具”：给每个人配最强AI并让大量Agent并行生成内容，只是把并行能力接在旧系统上（类似蒸汽机驱动传统水车）。AI原生组织的核心动作是持续压缩串行瓶颈：让Agent把资料阅读、证据整理、观点对齐、反方论证等准备工作充分并行化，最后交给人类一张高度浓缩的决策地图。

• 人的角色从执行者升级为网络设计师：在AI原生组织里，人的价值不再是“亲自把事做完”，而是定义问题、定义标准、管理上下文、建立评估体系、承担最终判断。小团队因天生可按并行网络设计而更具优势，第三代组织（Anthropic式）正在取代前两代（华为式流程驱动、字节式产品迭代）。

如果你想搭建AI原生组织，不管是公司还是团队，记住这四个字：串行瓶颈。它不仅是AI原生组织的核心竞争力，也是传统组织一直无法跨过的障碍。

很多人有一个思维误区，觉得只要给每个员工都配上最牛逼的AI工具，在工作流里接了很多Agent，那么公司或者团队就AI原生了。

说实话，这种认知大错特错。我举个例子你就理解了。咱们就以VC为例。

在有AI之前，VC的人都是怎么工作的？分析师阅读行业报告，写调研笔记；团队开会讨论；形成投资备忘录；投委会审议。

你看，这每一个过程都是串行，也就是一个环节走完才能到下一个环节。一个项目走完全程，可能需要两到四周。

那现在有AI之后了呢？按照前面说的那种搞法，给每个分析师都配上最牛逼的AI，并且额度管够，会怎么样？

确实啊，AI帮分析师省了很多时间。比如，你让10个Agent并行生成10份研究报告。但问题在于，最终你还是得按顺序阅读这10份报告。

你在生成端，也就是调研环节，实现了并行，加快了速度，但在消费端，也就是人类阅读、下判断环节，还是串行。

这种做法显然不能算是AI原生。它就好比是蒸汽机刚出现的时候，很多工厂主用蒸汽机来抽水，然后让水从高处流下来驱动传统的水车，再带动纺织机等设备。

你说他有没有用蒸汽机？用了。

但他有没有真正进入蒸汽时代？没有。

因为他只是把新技术接到了旧系统上。

真正的蒸汽时代，是重新设计工厂的动力结构、机器布局和生产流程。

同样，真正的AI原生组织，也不是把AI接到原来的组织流程里，而是按照AI的能力，重新设计组织本身，持续解决串行瓶颈，也就是那些必须由人类一个接一个、按顺序处理的环节。

比如，复杂信息的综合。

一个人要先读完资料，理解背景，形成判断，然后才能告诉下一个人。

比如，关键决策的拍板。

一个项目能不能投，一个产品要不要做，一个方向要不要调整，最后都要等某个核心人做判断。

比如，跨部门协调。

产品要等研发，研发要等法务，法务要等财务，财务要等老板。每一个环节都在排队。

比如，上下文传递。

很多组织里最贵的东西，不是数据，也不是报告，而是“某个人脑子里的背景”。这个人没解释清楚，其他人就动不了。

所以传统组织为什么慢？

不是因为大家不努力，也不是因为大家不聪明。而是因为组织里有太多事情，必须串行发生。一个环节不结束，下一个环节就没法开始。

这就是传统组织的底层约束。

那AI来了之后，改变了什么？

不只是干活更快。AI真正改变的是：它让所有可以并行的工作，突然变得极其便宜、极其快速。

过去做竞品分析、市场扫描、数据整理、初稿生成，都要一个人一个人做。现在这些事情可以同时跑。

这就带来一个非常残酷的结果：当可并行的部分被AI加速之后，真正拖慢组织的地方，会被暴露得非常明显。

以前一个项目要做两周，你可能觉得每个环节都慢。但AI一上来之后，前面的资料搜集、报告生成、初步分析，可能一天就做完了。然后你突然发现：

真正慢的不是写报告。真正慢的是谁来读这些报告；是谁来理解这些结论；是谁来判断哪些信息重要；是谁来拍板。

也就是说，AI不是自动让组织变快，它只是把组织里的串行瓶颈照得更亮了。

所以，AI原生组织的核心，绝对不是“用了多少AI”。而是你能不能持续压缩组织里的串行瓶颈。

注意，这里有两个关键词：一个是压缩，一个是持续。

先说压缩。

压缩不是说把所有事情都并行化。那不现实。因为有些事情就是要由人来判断。

比如战略方向、投资决策、产品审美、内容判断，这些东西不可能完全交给Agent。但是，你可以把之前的所有准备工作都交给AI去充分并行化。

比如，让Agent先把资料读完，把证据找出来，把不同观点对齐，把关键假设列出来，把反方观点整理出来，把不确定性标出来。

最后，人类面对的就不再是一堆原始资料，而是一张高度浓缩的决策地图。这个时候再做判断，是不是就爽多了？

这个就叫压缩串行瓶颈。

再说“持续”。

为什么不是一次性压缩？因为AI能力本身在不断进化。

今天还必须人类做的事情，明天可能就可以被AI辅助一大半。今天还需要你反复解释的背景，明天可能通过Memory和Context系统就可以自动继承。

所以AI原生组织不是一个固定状态。它更像一个不断迭代的产品。作为管理者，每隔一段时间，你都要重新问自己几个问题：

团队里还有哪些事情必须由人类按顺序处理？这些事情里面，哪些可以被Agent预处理？哪些可以被结构化？哪些可以通过更好的上下文管理来减少沟通成本？

这就是AI原生组织设计最核心的动作：持续地把原来必须串行的东西，变成可并行、可辅助、可自动化。

OK，AI原生组织大概明白了。那么，人怎么办？

AI原生组织不是不要人。恰恰相反，它对人的要求更高了。只不过，人的价值不再体现在“我能不能亲自做完这件事”。而是体现在几个新的能力上。

第一，定义问题的能力。

你要知道什么问题值得研究，什么问题不值得研究。AI可以帮你找答案，但它很难替你决定什么问题最重要。

第二，定义标准的能力。

什么是好报告？什么是好判断？什么是好产品？什么是好内容？

这些标准如果定义不清楚，Agent跑得越快，垃圾也会生成得越快。

第三，管理上下文的能力。

AI时代最重要的资产之一，就是上下文。你的历史判断、失败经验、行业框架、研究方法，如果不能被系统继承，那每一次协作都得从零开始。

第四，建立评估的能力。

也就是你要知道怎么评价Agent的输出。比如，哪些地方可以自动检查？哪些地方必须人工Review？哪些错误是低风险的？哪些错误是不能接受的？

第五，最终判断的能力。

AI可以提供信息、证据、反证和模拟。但最后要不要做，仍然需要人类承担判断。

AI原生组织不是把人从组织里拿掉。而是把人从执行者，升级成网络设计师、审美定义者和最终决策者。

这也解释了为什么AI时代，小团队会越来越有战斗力。

因为传统大公司的串行瓶颈是结构性的。这些东西不是简单上几个AI工具就能解决的。

而小团队不一样。它从第一天开始就可以按照AI原生的方式设计：执行全都交给Agent网络，少数核心人员只负责定义方向、设计标准、评估结果、做关键决策。

每个时代都会诞生一种最强的组织形态。

第一代的代表公司是华为。它核心是把公司当成流程来运行。

第二代的代表公司是字节。它核心是把公司当成产品来迭代。

第三代的代表公司是Anthropic。它的核心是把公司设计成一个并行网络。

第一代解决的是规模化问题。第二代解决的是迭代速度问题。第三代解决的是串行瓶颈问题。

AI给了所有人杠杆。但真正决定胜负的，是谁能重新设计组织。这就是AI原生组织的底层逻辑。

OK，以上就是本期内容。想了解AI，想成为超级个体，想找到志同道合的人，就来我们newtype社群。那咱们下期见！

Subscribe now

• Codex实现视频初剪自动化：输入原始视频+脚本后，Codex可自动完成A Roll剪辑（提取音频 → Whisper中文转录 → 与脚本匹配删除错误片段 + 保留0.4秒气口），几分钟内输出FCPXML文件，导入达芬奇即可生成完整时间线。

• 显著效率提升：以50分钟原始素材剪成19分钟成片为例，传统手工需2小时，现在AI几分钟完成，效率提升约10倍以上，彻底解放口播类视频中最耗时的A Roll剪辑环节。

• 实用工具链：先用Perplexity出方案 → Codex开发本地项目（支持达芬奇和Final Cut Pro），B Roll部分可继续用Codex + Remotion/HyperFrame完成。作者已实际用于课程制作，项目压缩包已在星球发布，推荐尝试。

现在，我所有视频的初剪，都由Codex帮我完成。

我只需要把原始视频和脚本给到Codex。等一小会儿，它就会导出一个FCPXML文件。我把文件导入达芬奇这个剪辑软件，一条剪好的时间线就出来了。然后，我只需要把B Roll做了，把颜色和声音调一调，一个视频就搞定了。

像我这种口播类的视频，在制作的时候，最费时间的就是A Roll的剪辑。所谓A Roll就是我对着镜头说的部分。虽然有提词器，但还是会讲错，需要重来好几遍。

于是在剪辑A Roll的时候，我就得花时间把大量不需要的片段剪掉。而且剪的时候还得注意，要把气口留住。否则两个片段之间没了换气，听起来就非常奇怪了。

那么，这个过程究竟会花多少时间呢？

以我正在做的第二套课程《AI产业链投资大逻辑》为例。我昨天刚把第一集发到知识星球newtype里。这一集的原始素材有50多分钟，最终成片是19分钟。也就是说，差不多60%的内容需要剪掉。

按照过去的做法，我手工来做的话，这一步就得花我2个小时。而现在，AI几分钟就帮我搞定了。

那么，这一切都是怎么做的呢？

我先把想法告诉Perplexity，让它去网上搜索资料，给我一个初版方案。然后把这个方案给到Codex，让它评估可行性，并且给出优化过的方案。最终由Codex交付一个在本地运行的项目。

这个项目的原理很简单，我前两天在星球内有发过。

它并不是直接操作剪辑软件，而是先把视频里的音频提取出来，然后用本地Whisper模型做中文转录。

由于我提供了脚本作为参考，它会把转录的结果跟脚本进行匹配。把讲错的地方删掉，并且在每个片段的前后都留下气口，我预设了0.4秒。

最后，它会导出一份FCPXML文件。在达芬奇里导入之后，软件会根据文件里的时间码，去原始视频里找对应的片段，最后生成一条时间线。

这个FCPXML文件，达芬奇和Final Cut Pro都支持。至于剪映，我自己没用它，问了Perplexity，说是也支持。

这个项目可以自己手动运行，但我都是让Codex操作它。有了Agentic AI之后，真没必要自己再去操作终端里。而且这个项目也是Codex做的，它最清楚怎么回事。

我在星球里已经发布项目的压缩包了。小伙伴们可以自取。至于B Roll部分，之前我也分享过，需要做动画的话，让Codex去调用Remotion或者HyperFrame插件就可以完成。

所以，这年头要高效制作口播视频，真的方便许多。大家一定试一试。

OK，以上就是本期内容。想了解AI，想成为超级个体，想找到志同道合的人，就来我们newtype社群。那咱们下期见！

Subscribe now

我们先从一个问题开始：

今天最火的AI公司是谁？

你脑子里冒出来的名字，大概率是OpenAI、Anthropic、Google。他们做模型，做产品，面向用户，天天上新闻。

但如果我问你另一个问题：

过去这轮AI行情里，二级市场最先、最猛涨起来的是谁？

答案反而是英伟达、美光、台积电之类公司。

你会发现，这两组名字几乎不是一批公司。

最火的AI公司，大多数还没上市；而涨得最猛的AI股票，很多普通用户甚至没听过。

这就是我们第一集要讲的核心：为什么AI投资的钱，首先流向了“卖铲子的”。

在正式开始之前，我先把这门课的边界说清楚。

这门课不会教你具体怎么交易。

我不会告诉你某只股票该买在多少、卖在多少；不会做技术分析；不会预测短期股价；也不会给目标价。

…

Read more

• 中型公司正在被AI掏空：它们既没有大平台的流量和基础设施，也没有小团队/个体的极致灵活性。AI同时降低了内部管理成本（利于大公司）和外部交易成本（利于个体/小团队），导致中型公司的“组织差价”迅速消失，最为难受。

• 公司存在的本质是降低交易成本：科斯理论指出，公司是用管理成本替代外部交易成本。但AI让管理变得更便宜，也让外部协作（找人、签合同、交付）变得更简单。公司不再是天然最优的组织形态，项目制协作（好莱坞模式）将大规模兴起。

• 未来是动态协作网络：个体成为独立节点，拥有自己的AI系统和判断力。项目来了临时组队，做完分钱解散。newtype社群的目标就是聚集这样一群被AI放大的超级个体，形成高质量的项目制协作网络。

AI时代，有一种公司会活得很惨，就是中型公司。

他们不够大，也不够小。

不够大，掌握不了平台分发权。

不够小，没有个体和小团队的灵活性。

中型公司卡在中间，两头都不占。这不是因为老板不努力，也不是因为员工不够卷。是因为AI正在改变一件更底层的事：

公司存在的理由。

你想一想，公司到底是干嘛的？

很多人以为，公司就是一群人聚在一起做事。但这个理解太表面了。

经济学家科斯很早就讲过，企业之所以存在，是因为外面交易太麻烦。

你要找人，要谈价格，要签合同，要监督对方有没有好好干活。

这些东西加起来，成本太高。

所以公司出现了。

它把外面的交易，变成里面的管理。不用每次都谈判，老板一句话，员工去执行。

说白了，公司就是用管理成本，替代交易成本。

只要管理成本比交易成本低，公司就有价值。

但AI出来以后，这个账变了。

对大公司、大平台来说，AI会让内部协作越来越便宜。

过去要靠大量流程和会议来协调的工作，接下来都会被AI吃掉。

所以大公司、大平台会继续变大。

一方面是因为他们是掌握流量、掌握支付、掌握数据、掌握信用，本来就可以变大；

另一方面，之前制约他们变大的内部协调因素，已经被AI解决了。他们可以又大又灵活。

我们再看另一边，那些超级个体和小团队。

AI让外部交易成本快速下降。

以前你要做一个产品，可能要招前端、后端、设计、运营。

现在，一个人带几个AI就能把原型做出来，把页面搭出来，把内容发出去，把用户反馈跑一遍。

以前你想找人合作，很麻烦。

现在，这些东西都可以由AI辅助你完成。

所以，小不再是问题。

一个三五人的团队，可以干以前三五十人的活。

一个超级个体，可以像一家公司一样运转。

这个时候，最难受的是中型公司。

它不像平台，有分发和基础设施；也不像小团队，成本极低、转向极快。

这些中型公司有办公室、有大量中层员工、有例会、有管理流程、有固定工资。他们有一堆必须养着的人。

过去这些东西叫组织能力。

而现在，它们变成了负担。

所以你看，以前公司最大的价值，是把一群人稳定地组织起来。但是，现在情况是，AI让组织变得便宜，那公司原来的优势就没那么值钱了。

那些中型的服务公司、咨询公司、外包公司，它们本质上赚的是组织差价。比如我之前呆了十几年的公关公司。他们就是在中间撮合、管理、交付，然后抽一层利润。

现在有了AI，客户可以直接找小团队。员工可以自己成为一个小团队。中间那一层“组织差价”会越来越薄。

讲到这里，你会发现，我们可能得重新理解公司这个东西。

公司不是天然正确的组织形态。它只是某个时代里，用来降低交易成本、分配利益的一种工具。

你加入一家公司，本质上就是加入一个分钱的协议。也就是，谁拿工资，谁拿股权，谁承担风险，谁拿剩余收益——这些才是公司的核心。

所以未来真正重要的问题，不是我该进哪家公司？而是我该进入哪种协作结构？

是平台型的结构？还是项目型的结构？

平台型结构大家都理解。那么，什么叫项目型结构？

其实这个不是新东西，人家好莱坞已经玩透了。

好莱坞拍电影，不是把所有导演、编剧、演员、摄影、剪辑都长期养在一家公司里。

它是一个项目来了，大家临时集结。你会写剧本，他会拍摄，那个人懂特效。大家围绕一个具体作品协作。

项目结束，分钱，解散。等下一个项目，再重新组队。

以前这种模式只适合影视行业。因为它对信任、合同、声誉、分账系统要求很高。普通行业玩不起。

但AI会把这套东西的门槛降下来。比如，沟通可以被AI辅助；合同可以被AI辅助；项目管理可以被AI辅助；知识沉淀也可以被AI辅助。

所以项目制的协作，会从少数行业，扩散到更多脑力劳动行业。

注意：不是所有行业。像制造、基础科研之类的行业，还是需要长期的组织。但内容、软件、咨询、设计、教育、营销，这些领域会非常明显。

所以，未来会出现越来越多这样的组织：

平时每个人都是独立节点。有自己的判断，有自己的作品，有自己的AI工作流。

项目来了，临时组队。

做完就分。

大家不靠上下级关系来维持秩序。而是靠作品、信用、贡献来分配利益。

这也是我做newtype社群的原因。

newtype的终极形态一定是一个协作网络。里面会聚集很多被AI放大的个体。每个人都有自己的判断，有自己的能力栈，有自己的小系统。

平时各自生长。当遇到好项目的时候，就像好莱坞一样组队。谁能贡献什么，谁就拿什么。

做完之后，分钱，复盘，走人。下次再重组。

这件事听起来有点理想主义。但我觉得，它其实非常现实。

因为AI时代，真正稀缺的是：谁有判断；谁能交付；谁值得合作。

所以现阶段newtype社群的目标，还是筛选。我要筛选出那些能独立判断、独立交付、也能跟别人高质量协作的人。

如果你听懂了这一期，欢迎通过知识星球加入。

OK，以上就是本期内容。想了解AI，想成为超级个体，想找到志同道合的人，就来我们newtype社群。那咱们下期见！

Subscribe now

• “做自己”是这代人最毒的鸡汤：因为99%的人根本没有“自己”，只有被父母期待、学校规训、公司平台三层壳彻底驯化后的空白壳。向内找只会找到虚无和焦虑。

• 自我不是被发现的，而是被构建的：正确路径是“向外造”而非“向内找”。通过“摄入异质性世界观（历史、政治、哲学、第一性原理）+ 大量产出并接受现实反馈”的双环循环，像搭积木一样把自我一点点造出来。

• 最终目标是自我养育：过去二三十年是别人在养育你（夹带私货），现在你需要自己养育自己。能做到这件事的人，才是真正的newtype（超级个体）。

“做自己”是这个时代最毒、最害人的鸡汤。因为它建立在一个根本不成立的前提上：

你有一个自己等着被找到。

但问题是，对今天99%的人来说，根本就没有“自己”，那还怎么“做自己”？

为什么会没有？

因为被系统驯化了几十年，那个自我要么被扼杀了，要么根本就没机会长出来。

你现在以为的那个自我，其实是三层壳代偿出来的。

第一层壳，是父母期待的壳。

你要懂事，你要考好成绩，你要找个铁饭碗。

这是血缘刻在你身上的出厂设置。

第二层壳，是学校规训的壳。

你要守纪律，你要写标准答案，你要在排名里往上爬。

这是教育流水线给你打的钢印。

第三层壳，是公司和平台塑造的壳。

你要有执行力，你要向上管理，你要对齐颗粒度。

这是商业机器给你装的运行插件。

这就是你的前半生。你戴着这三层壳活了二三十年，习惯了它们的存在，甚至把这三层壳当成了你自己。

然后某一天，你突然决定要“找回真我”，开始剥这些壳。

你以为里面会跳出一个金光闪闪的真我。结果，里面只是一片空白。

这就是为什么很多人裸辞之后，不仅没有得到想象中的自由，反而变得前所未有的焦虑。

因为他们在公司里骂老板的时候，至少还有一个“受害者”的身份可以确认自己存在。

一旦离开系统，没人给他们派任务，没人给他们设目标，也没人给他们发工资。他们突然要独自面对那片巨大的空白。

不是自由不好，是他们根本没准备好接住自由。

自由需要极高的承载力。一个没有”自我”实体的人，会被自由直接压垮。

那既然向内找是死路，怎么办？我的答案是：

不要向内找，向外造。

其他人的逻辑是，“自我”是一个先验的存在，早就藏在你灵魂深处，你只需要去觉醒、去顿悟、去发现它。

这是宗教逻辑。

而我的逻辑是，“自我”是一个后天构建的产物。它一开始不存在，你需要通过不断的行动和反馈，像搭积木一样把它搭出来。

这是工程逻辑。

一句话总结就是：自我不是被发现的，是被产出物反向定义的。

先有产出，才有自我。

但这里有个陷阱。你脑子里装的素材，是谁给你的？

还是那三层壳。

家庭告诉你什么叫成功；学校告诉你什么叫正确；公司告诉你什么叫价值。

你用这套素材去产出，产出的还是壳，不是你。

所以要想造出一个真正的自我，你需要新的摄入，需要给大脑重装一套认知。

具体怎么做？三个步骤。

第一步，先把那三层壳预装的“标准答案”认出来。

这一步可能需要一点内观。这样你才能识别你已经习惯二十年的东西。

我自己的经验是，当我学会观察念头之后，我能在第一时间觉察到自己的状态、自己将要做的行为，以及触发它们的深层原因。

就好像有一个第三人称视角的我，在看着“我”是怎么被一切操纵的。

第二步，是摄入。

你需要大量摄入异质性的东西。比如历史、政治经济学、哲学、心理学、第一性原理。

这些不是技能书，是世界观书。

这里的关键，不是读得多，是读得不一样。

你要刻意去读那些让你不舒服的东西，读那些动摇你旧观念的东西。

读完之后你感到某种东西松动了，那就对了。

这一步的目的只有一个：给大脑装一套新的解释框架。

第三步，是产出，也就是把新框架用起来。

用新框架去解释你看到的人、事、新闻，还有你自己的过往。

然后写出来、发出来、做出来。

大胆接受现实的反馈。把脑子里的框架变成可以被检验的东西。

看哪些解释立得住，哪些被打脸，哪些让你眼睛发亮停不下来。

那个让你眼睛发亮的地方，就是你正在长出来的地方。

摄入和产出，就像两个咬合的环：

摄入的新东西，必须通过产出来消化。你读了一本好书，不写出来的话，三个月后什么都不剩。

产出的时候，哪里卡住了，可以回头去定向摄入。你写到某个地方写不下去了，说明那里有一个认知的洞，等你去填上。

这两个环互相驱动，人就在这个循环里慢慢长出来。

这不是我想出来的方法论，是我自己走过的路。

从2010年开始，我把家庭、学校、社会教给我的那一整套，全部推倒重来。

我读历史、读政治、读金融，就是为了重新理解这个世界到底怎么运转。

然后我开始写，开始做，开始把脑子里的东西外化出来接受检验。

一年又一年，我才慢慢有了一个不依赖任何人定义的自己。

这个过程，不快，但扎实。

这就是重新养育自己的过程。

之前那二三十年是别人在养育你，夹带了太多私货。

现在你肉体上长大了，也有足够的能力和资源，可以自我养育了。

不要再相信那些玄之又玄的觉醒神话。

向内看，只有虚无。

向外干，才有实体。

不要找自己，要造一个自己出来。

用摄入重装系统，用产出校准系统。

我刚才讲的这套东西——自己养育自己、改造自己，能做这件事的人，就是newtype。

我做这个频道、做newtype社群，就是想找到正在做这件事的人。

不是来要课程的人，不是来找捷径的人。

是已经在自己造自己的人。

如果你听完前面那些话，心里某个地方动了一下，那我们可能是同类。

OK，以上就是本期内容。想了解AI，想成为超级个体，想找到志同道合的人，就来我们newtype社群。那咱们下期见！

Subscribe now

• AI红利的本质是生产资料所有权：AI不是单纯的效率工具，而是让普通人第一次有机会拥有过去只有公司和资本才能掌握的“生产系统”（选题-产出-分发-转化-复盘全链路）。这才是真正的红利，而非继续出卖劳动力。

• 大多数人正在做最大悲剧：拿到AI后，第一反应是用它批量给甲方做图、写文案、剪视频、做PPT，把自己+AI的组合时间低价卖给别人。本质上只是从“卖时间”升级为“卖更便宜的组合时间”，位置完全没变，依然是乙方。

• 核心障碍是思维而非技能：旧时代杠杆（高考、婚姻、房子）需要别人盖章，AI是新杠杆（不用盖章）。但最难的一章是自己盖在脑子里——不敢拥有生产资料、不敢自己定义产品、不敢面对市场。AI只会放大你原本的生产关系想象力：相信打工的，就帮你更高效地打工；敢拥有生产资料的，才能真正翻身。

AI时代最大的红利不是AI。

AI只是生产力。说白了，它就是个工具。

那真正的红利是什么？

是普通人第一次可以靠AI，拿到过去只有公司、资本、专业团队才能拥有的生产资料。

所以AI的价值不是提高效率这么简单——它彻底改变了普通人在生产关系里的位置。

你不再只能出售时间和劳动力。

你开始有机会拥有自己的生产系统。

什么叫生产系统？为什么它是生产资料？

举个例子：你有一个10万粉的账号，这个算是生产资料吗？

如果你稍微有点经验就知道，平台想搞你就可以搞你，他们可以把你降权甚至封禁。算法也可以决定有多少人看到你的作品——10万人关注不代表就有10万人能看到你。

所以，我从来不会把账号当做我的生产资料。它只是平台免费租给我的一块地罢了。

但是，从选题、产出、分发、转化再到复盘，这一整套生产系统才是我的生产资料。因为它确保了我可以持续产出——这点非常关键。

可持续产出意味着，我不会被账号绑住。是我的内容决定了账号的价值，而不是所谓的粉丝数。号没了可以再起一个新的，没什么大不了。而且，事实上，平台还会主动给我钱，想把我留住。

平台拥有流量入口，但我拥有生产系统。入口可以被关，但这套系统不会被收走。

这个就是我所认为的，AI时代的真正红利：从劳动力拥有者，变成生产资料所有者。

但可惜的是，绝大多数人完全没意识到这一点。

他们掌握AI之后，第一反应不是拥有生产资料，而是继续出卖劳动力。

比如用AI批量给甲方做图、写文案、剪视频、做PPT。

确实，有了AI之后，这些工作更便宜、更快、量更大。这当然也能赚到钱。

但本质上，你只是把手里的AI生产力，低价卖给了别人。

过去你卖的是自己的时间。

现在你卖的是自己加上AI的组合时间。

看起来升级了。但实际上你的位置完全没变。

你还是乙方。

你还是等需求。

你还是等报价。

你还是等验收。

你还是等别人批准你能不能赚钱。

注意：这背后不是技能问题，是思维问题。

很多人已经被驯化得太久了。

不敢拥有生产资料。

不敢自己定义产品。

不敢自己面对市场。

不敢自己建立渠道。

不敢自己承担判断的后果。

所以他们总要找一个甲方。

总要找一个老板。

总要找一个平台。

总要找一个能批准他赚钱的人。

我之前讲过一个观点：

旧时代的杠杆是高考、婚姻、房子。它们的共同特点是，需要等别人给你盖章。

而AI是新杠杆。这个新杠杆的特点就是不用盖章。

但盖章这件事，你以为是别人在盖。其实最深的那个章，是你自己盖在自己脑子里的。

你不改变观念，AI给你也没用。

我认为，AI时代最残酷的地方就在这里：

同样一套AI工具，有人用它搭建自己的生产系统，而有人只是用它把自己变成更便宜的劳动力。

前者在积累资产。

后者在加速内卷。

所以，AI不会自动让普通人翻身。

AI只会放大一个人原本的生产关系想象力。

你如果只相信打工，它就帮你更高效地打工。

你如果敢拥有生产资料，它才会帮你搭起自己的体系。

OK，以上就是本期内容。想了解AI，想成为超级个体，想找到志同道合的人，就来我们newtype社群。那咱们下期见！

Subscribe now

市场正沿着“算 - 存/电/冷/网/光”的方向走。拼的不只是GPU，而是整个世界的数据流动系统重构。

我之前一直持有的NVDA + NBIS，属于GPU价值链的上下游，很单一。现在我开始横向布局。比如，核电方面，已经买入CEG。

本期Newsletter，分享一下买电的逻辑。

----

旧世界（AI之前）的买电逻辑很简单。

数据中心运营商直接从当地电网买电。公用事业公司（比如PG&E、Dominion）按月结算电费，电价随市场波动。这套模式短期、灵活，但价格不稳定。

新世界（2024年之后的AI时代）完全不一样。

Microsoft的AI数据中心需要24小时不间断的、1GW以上稳定电力，而且必须是绿色电。

然而，公共电网根本送不进这种规模的电，电价也不稳定。

所以Microsoft选择直接和发电厂签20年期PPA，比如和Constellation的三里岛核电站签协议，把电力供应锁死。

这就是新世界买电的特点：超长期（20年起步）、超大规模（GW级别）、固定价格。

那么，PPA是什么？

Read more

不管是用来涨粉的视频，还是用来变现的课程，你都可以让Codex帮你搞定。

举个例子，我昨天在星球里说的，现在Codex的流量已经起来了，势头绝对不会比之前Claude Code小。为了吃到这一波红利，你可以出一套Codex视频课程。课程内容的来源就是OpenAI的官方YouTube。把官方的教程改一改就能出脚本了。

为什么用官方的内容？

因为足够权威，足够有料。

其实对于Codex、Claude Code之类的工具，你完全没必要去看外边的教程，就盯着官方出的内容就好。

但是对于绝大多数人来说，网络不通，又不懂英文，再加上自己懒，所以这部分需求就空在那儿了。而这个，就是自媒体的机会。

第一步，先让Codex把资料全都提取出来。

这一步没啥技巧。我就用大白话跟Codex说，到OpenAI的频道，把有关Codex的教学内容全找出来。

为了保证质量，我把模型开到最高。等了十几分钟，Codex全都搞定了。而且你看，它找的来源不只是YouTube，还包括官方网站，并且把这些内容都做成了结构化的资料。

有了这个基础，接下来就可以让Codex出脚本了。这一步的关键，是给它参考资料。

Codex最初写的完全不行。于是我把我之前的脚本和文章全都给到它。那个文件夹里有200多期视频的脚本，以及70篇文章，足够它去提取我的文字风格。

你看，有了丰富的上下文之后，再加上一些亲自指导，Codex出的脚本就靠谱多了。稍微做一些改动，就可以开拍。我录一段，你们感受一下。

哈喽各位好，欢迎来到我的第二套课程：Codex新手入门。

这是我第一次出AI工具类教学。那么，为什么不出Claude Code，而是专门挑Codex来做？它究竟有什么特别的价值？

我之前在星球内说过，我觉得OpenAI应该认真考虑一件事：

把Codex改名叫WorkGPT。

不是开玩笑。我真心觉得，这个名字更准确。

因为现在的Codex已经不只是一个写代码的工具了。它真正的定位，是用来干活的。

你看ChatGPT这个名字，其实非常成功。

Chat，就是聊天。所以大家天然知道，它是一个你可以提问、讨论、写东西的入口。

但Codex这个名字，问题就很大。一听就像程序员工具。对于普通人来说，一听就不想碰。

但如果它叫 WorkGPT，很多事情一下就清楚了。

ChatGPT是用来聊天的。WorkGPT是用来干活的。

这才是Codex真正的价值和区隔。

因为ChatGPT解决的是“人怎么跟AI交流”。而Codex解决的是“AI怎么替人推进工作”。

这两个东西不是同一个物种。

Codex这个物种，学名叫Agentic AI。

你给它目标，给它上下文，给它边界，给它工具，给它验收标准。然后它自己去执行，中间遇到需要确认的问题再回来问你。

这就是Chatbot和Agentic AI最大的差异。

所以我说，它叫Codex反而限制了大家对它的理解——它不是Code GPT，而是WorkGPT。

那为什么你现在应该用？

除了刚才说的价值和定位之外，还有三个很现实的原因。

第一，门槛低。

以前大家一说AI编程工具，就想到CLI。

终端、命令、环境、权限、路径，这些概念对程序员来说还好，但对普通人来说，实在太吓人了。

但Codex现在有桌面版，这个变化很关键：它把一个原本偏工程师的工具，变成了普通人也能打开的应用。

你不需要学一堆命令。你只需要知道：我有个任务，我要交给它。

这就是低门槛的意义。

第二，成熟度高。

很多Agent产品，看起来很猛。但实际用起来很不靠谱。

一会儿权限出问题，一会儿环境出问题，一会儿做着做着就跑偏。

Codex的优势是，它已经成熟到你可以信任它的程度。

比如，Codex把很多脏活累活都补上了，包括任务隔离、权限确认、浏览器操作、结果验证等等。

这些东西看起来不性感，但它们实实在在决定了一款Agent产品能不能进入生产环境。

第三，安全边界更清楚。

这一点我觉得特别重要。

Agent越强，越不能乱来。尤其是能操作电脑、浏览器、文件系统之后，安全就不是可选项了。

我之前为什么对OpenClaw类型的产品比较谨慎？

因为它们能力很猛，但边界不够稳。我绝对不会轻易把它放进我的核心工作流。

Codex在这点上更像一个大厂的产品。

它不是只追求能不能点鼠标。它还会考虑权限、确认、隔离、风险操作。这就稳很多。

所以，作为课程的第一集，我想先给大家一个总体的判断：

Codex的价值，不是“又一个 AI 编程工具”。它的价值是：

OpenAI做出了一个跟ChatGPT区隔明显、甚至可以平起平坐的工作型产品。

ChatGPT解决对话。Codex解决工作。

如果未来有一天它真的改名叫WorkGPT，我一点都不意外。

因为这才是它真正的位置。

怎么样？作为课程的第一集，是不是完全OK。

这整套东西的基础，是官方出的教程。因为是官方出的，所以不用担心专业上的问题。而且这些内容对于普通用户来说足够。

然后，Codex根据参考文档进行风格化的处理。这一步它做得挺好的。

最后，我们再亲自上手顺一遍，以及添加一些我们自己的东西。一套课程就出来了。

就像我在星球里说的，这种事情没有任何门槛。而且，如果不想做视频课程的话，还可以做成文字版，放到闲鱼去卖。

如果你是自媒体，对技术不是那么懂，那么，Codex就是你的最优解。少一点折腾，多一点产出，抓紧起飞吧！

OK，以上就是本期内容。想了解AI，想成为超级个体，想找到志同道合的人，就来我们newtype社群。那咱们下期见！

Subscribe now

为什么我之前没投资存储？

因为懒。拿着NVDA、NBIS，赚得挺爽，于是犯懒，没有系统研究整条AI产业链，错过了包括存储在内的大机会。

这个需要反思并马上改正。

为什么现在开始建仓？或者说，现在还能上车吗？

存储虽然涨了非常多，比如美光昨晚市值站上1T，但现在依旧可以入。因为，逻辑彻底变了：

存储不再是周期股，而是成长股。

传统周期逻辑是：

需求波动 → 厂商扩产 → 供过于求 → 价格崩盘 → 产能出清 → 下一轮周期。

但到AI时代，这两个假设都变了：

Read more

理解现代AI算力，需要同时持有两张地图。

第一张是“工程师的地图”。

从单张GPU到72卡机架再到万卡集群，每一次规模跃升都意味着主要矛盾的彻底转移：瓶颈从芯片内部的晶体管，移动到机架内的散热与互联，再移动到数据中心级别的光通信与变电。这是算力扩展的“硬件三层模型”。

第二张是“战略家的地图”。

黄仁勋在GTC2026上提出的“AI五层蛋糕”，从能源到芯片、基础设施、模型、应用，描绘的是整个AI产业的价值分配结构，以及英伟达如何在每一层建立话语权。

两张地图不是替代关系，而是嵌套关系：

硬件三层是五层蛋糕中芯片层和基础设施层的内部工程展开。将二者融合，才能得到算力这个概念的完整轮廓。

Read more

• Codex是目前最强通用Agent：OpenAI的Codex在通用Agent领域稳居第一，远超OpenClaw和Claude Code。它成熟、开箱即用、安全可靠，是大多数人的最优选择。

• 四大核心优势：1、桌面版GUI友好（历史+聊天+预览三栏），彻底降低使用门槛；2、Computer Use能力成熟（可控鼠标键盘、操作应用和浏览器），支持内置浏览器+Chrome插件双方案；3、双层安全机制（用户权限 + Codex主动判断高风险操作），比OpenClaw安全得多；4、支持多设备联网（SSH串联多台电脑）+ 20美元Plus额度非常慷慨。

• 推荐理由：Codex把“易用性、安全性和生产力”三者结合得最好，是目前最成熟的通用Agent产品。作者强烈推荐普通人直接使用，不再需要折腾Claude Code或OpenClaw。

我估计OpenAI自己都没想到，居然可以靠Codex翻盘。

目前在通用Agent领域，Codex稳坐第一。这个是我之前在星球里下的判断。

如果你在用小龙虾、爱马仕，可以不用折腾了。Codex才是成熟的产品，开箱即用，安全又可靠。

如果你之前很头疼Claude Code的使用门槛，那现在可以放心了。Codex没那么多幺蛾子，网络和支付都很宽容。

在我看来，OpenAI这一波做对了四件事。也正是这四件事，让我在星球内推荐了好几次，让小伙伴们一定去用一用。

第一，推出桌面版。

对绝大多数人来说，CLI还是太陌生、太可怕了。他们之前可能都不知道有终端这个东西，更别提各种命令。

相比之下，Codex桌面版就亲切多了。左边是历史对话，中间是当前聊天，右边是预览。不管是选择权限还是切换模型，都是熟悉的操作。

第二，推出Computer Use功能。

通用Agent的基础能力，一定是Computer Use。你想嘛，如果连个电脑都操作不了，那还通用个啥？

Codex现在可以看屏幕、点鼠标、输入文字、操作菜单和窗口，用图形界面完成任务。

比如，我让Codex打开Apple Music，播放麻园诗人的《现在现在》。它会自己打开应用，搜索歌名，然后点击播放。

我这段时间用下来的感受是，Codex的电脑操作能力算是比较成熟了，通过图形化界面或者命令行都可以。尤其是操作浏览器，前两天星球内还在说这个事儿。

起因是Codex现在有两个浏览器可以操作：一个是内置浏览器，一个是Chrome浏览器。它操作内置浏览器的时候，无论是速度还是准确性都很高。

这是因为内置的浏览器路径更短，专门用来查看UI之类的场景。而当Codex需要去访问真实的浏览器环境的时候，它就会通过插件去操作Chrome。

OpenAI这种两个浏览器的安排还挺聪明的。如果全都去操作Chrome的话，体验肯定不太好。

OK，有了Computer Use的基础能力还不够，通用Agent还得讲安全。这也是我之前一直不用OpenClaw的原因。在权限方面，Codex设置了两层：

一层是用户给的系统和应用的权限。

另一层是Codex自己的判断。遇到高风险操作的时候，它会主动停下来问一句。

毕竟是操作用户的电脑，有这两层权限设置会稳妥许多。所以，你单看这一点就会发现，这种才叫成熟的产品。

第三，个人AI设备网络。

Codex已经跟ChatGPT打通，扫个码就行。这意味着，出门在外，你通过手机上的ChatGPT就可以给Codex下达指令、操作家里的电脑。

不过，Codex可以控制的，不只是一台电脑。通过SSH，你还可以把更多设备接进来。

这一招真的很聪明。因为手里有多台设备已经很常见。比如我现在还在用的，一台Mac mini，一台MacBook Pro，还有一台PC。如果能通过Codex把这些设备都调用起来，把闲置的硬件变成生产力，组成一个AI设备网络，这对个人生产力真的会有很大提升。

第四，额度管够。

我目前订阅的是20美金的Plus档位。平时完全够用。而且经常发现，到快用完的时候，额度又重置了。

OpenAI能这么大方，我觉得有两个原因：

一是目前真的落后了。他们不得不慷慨大方，不然就真的赶不上了。

二是Agentic AI真的特别费Token。你看GitHub Copilot订阅都不得不改规则。这种情况下你要是还那么抠，你产品再好，大家也用不起来啊。

我刚才说的那四点，推出桌面版是降低使用门槛；额度管够是降低使用成本；推出Computer Use是把产品立住；多设备串联是为下一步个人智能设备联网铺路。

基于这四点，我是很看好Codex的。所以我才会在星球里说，OpenAI迟早要解决ChatGPT和Codex的摆位问题。因为Codex虽然名气和用户量比不上ChatGPT，但它的上限要高得多，理应跟老大哥平起平坐。

OK，以上就是本期内容。想了解AI，想成为超级个体，想找到志同道合的人，就来我们newtype社群。那咱们下期见！

Subscribe now

• AI与互联网的底层逻辑完全不同：互联网边际成本趋近于零且消费驱动，因此需要海量用户；AI边际成本真实存在（算力、电力）且生产驱动，必须优先把有限Token分配给能最大化产出价值的重度用户。

• 重度用户是AI健康增长的核心：他们愿意为更强能力付费、提供高质量生产场景反馈、暴露出真实缺陷，形成“高使用+高付费+高质量反馈”的正向闭环。Anthropic就是典型代表，专注高强度生产场景而非大众热闹。

• 追逐海量用户是危险的：轻度用户会成为“产能黑洞”，占用大量推理资源却贡献极低收入和浅层反馈，还会把产品方向拉向“便宜好玩”，最终拖慢模型和商业模式。作者明确表示只服务重度用户，不做教育，只做筛选。

AI不需要海量用户。AI最最需要的，是重度用户。因为AI的逻辑和互联网完全不同。很多国内厂商还没反应过来。

这是我在知识星球内发表的观点。本期视频，我来完整解释一下，算是答疑了。

你回想一下，互联网为什么需要海量用户？

第一，互联网边际成本下降，它撑得起海量用户。

互联网的复制和分发，几乎不产生额外成本。当用户增加了，服务器的压力可以通过架构优化和云端扩容来解决。

互联网的边际成本趋近于零。所以，“多一个用户就是多一份收入”，这个逻辑在财务上完全成立。

第二，互联网是消费驱动，它需要海量用户。

互联网，尤其是消费互联网，对应的是注意力经济。它的生意内核，是让尽可能多的人看到内容、点击广告、完成购买。

消费是普惠的。所有人都需要吃喝玩乐、社交表达。用户越多，网络效应越强，平台价值越高。

边际成本下降和消费驱动，是互联网生意的底层逻辑。但是，你拿这两点去看AI就会发现，这个逻辑走不通。

第一，AI的边际成本是真实存在的。

每一次对话、每一次推理，都在消耗电力、GPU算力、内存和数据中心的资源。

你要知道，这些资源都是硬约束。电力不是你想用多少就有多少的。GPU和内存也不是你想买多少就有多少的。

这意味着，AI公司不再是“用户越多越好”的互联网公司。他们必须像工厂一样思考：

有限的Token应该优先卖给谁？

如何提高Token的产出价值？

如何避免低价值用户把产能占满，却只贡献了极低的收入？

第二，AI是生产驱动的。

AI是生产力工具，不是消费品。这个特性决定了它天然就不需要、也无法被所有人充分利用。

普通用户只需要简单的问答。而真正能把AI转化为生产力的人，是那些有明确工作目标、复杂任务、专业场景的人。这些人能把AI用到极致。他们的单Token产出价值非常高。

所以，在有边际成本的前提下，在现实的约束下，AI公司必须优先把最好的资源分配给能最大化利用这些产能的人。

这个就是我说AI最需要的是重度用户的原因。

重度用户愿意为更快的响应、更长的上下文、更强的工具调用、更稳定的输出付费。直接覆盖掉的算力成本。

而且，只有重度使用才能暴露出AI在生产场景中的真实缺陷，推动有价值的迭代。

当一家AI公司的重度用户多了，一个商业闭环就形成了：

高强度使用，加高付费意愿，加高质量反馈，等于更高的单位Token产出价值。

这才是AI公司真正健康的增长。

你看Anthropic就很典型。跟OpenAI不同，他们完全聚焦于高强度生产场景。他们很清楚自己在做什么：

不是做一个热闹的互联网产品，而是服务那些最能榨干模型能力、也最愿意为能力付费的人。

反过来，如果一家AI公司还用互联网打法搞AI，最后一定会非常难受。

大量免费用户、轻度用户，看起来很热闹，数据很好看，DAU很漂亮。但他们占用的是推理资源，贡献的却是极低收入和极浅反馈。

短期看，是增长。

长期看，是产能黑洞。

更麻烦的是，这种用户还会把产品方向带偏。

因为轻度用户要的是便宜、好玩、无门槛、随便用。

重度用户要的是稳定、强大、可控、能交付。

这两种需求完全不是一回事。

AI公司如果为了追求海量用户，把资源都砸到轻度场景里，它的模型、产品和商业模式都会被拖慢。

这也是我为什么不做那些特别浅显的内容。

不是因为我讲不了，而是因为我不想把所有人都服务一遍。

AI时代，真正有价值的不是围观群众，而是已经开始高强度使用AI改造自己工作方式的人。

所以我一直说，我不做教育，只做筛选。

我只面向重度用户，面向那些能把AI变成自己的生产系统的人。

OK，以上就是本期内容。想了解AI，想成为超级个体，想找到志同道合的人，就来我们newtype社群。那咱们下期见！

Subscribe now

• Codex是目前做PPT的最优解：比市面上各种AI PPT工具更强。Codex + Presentations插件可从零开始完成资料搜索、结构搭建、内容生成、自动视觉检查（截图自检），最终输出可直接编辑的PPT文件。

• 正确使用方法是分步进行：不要完全放手让AI一键生成。建议先让Codex用P1、P2方式输出文字内容，确认逻辑和结构后再加载插件生成PPT；或自己先准备好文字和风格参考页，以大幅提升可控性。

• 核心原则：文字逻辑与视觉逻辑分开处理：先在文档中把每页文字逻辑完全确定，再做视觉设计。这是作者十几年公关营销经验总结，也是用AI做PPT时保证质量和效率的关键。

如果你要用AI做PPT，别用那些杂七杂八的工具，OpenAI的Codex是目前的最优解。

这款工具最初是为编程服务的。但现在，它的能力圈已经扩大到日常办公等更加通用的领域。

在Codex的插件库里，有很多非常实用的插件。其中，Presentations就是专门为PPT服务的。我给你们演示一下效果。

在输入框左下角的加号里，可以看到你已经安装的插件。选择Presentations，然后把需求贴进去。我这边是让它从零开始，做一个介绍Harness Engineering的PPT。

接到需求后，Codex会先读取插件，了解PPT制作和导出的流程；然后开始思考内容，确定叙事骨架；最后开始动手做PPT。

整个过程大概8分钟左右。我特别欣赏的一个点是，到了最后环节，Codex自己会把每一页PPT都截图下来，做一轮视觉检查。因为PPT这东西太复杂了，你用代码写是一回事，最终呈现又是另一回事，所以肯定得检查成品。

经过两轮质量检查，PPT就做好了。我们可以直接在Codex的右边栏里查看。大体上我还是比较满意的。只是有一些小细节要改：

第一，加个封面；第二，字体用阿里普惠体；第三，采用极简科技风。

经过修改，一份介绍Harness Engineering的PPT就搞定了。从资料搜索到PPT制作，Codex全搞定。而且这就是PPT格式，那些文本框什么的，你都可以改动。

刚才这个例子，我只是想给大家展示一下完全放手交给Codex去做，它能做到什么程度。在实际生产中，大家还是别这么搞。我的建议是：要么你自己把内容先搞定，比如每一页需要放哪些文字，要么就让Codex先输出文字，确认了再动手。

你看，还是同样的需求，这一次我让Codex先用P1、P2的方式，把文字内容贴出来。

经过搜索之后，它从标题页开始，输出所有文字。这个时候就能看出问题了。比如，封面不需要副标题，会分散重点；第二和第三页的字太多了，需要精简。

等Codex把文字内容都改好之后，咱们再加载Presentations插件，让它正式开始做。

关于做PPT的基本原则，大家一定听我一句劝。我之前在公关营销行业做了十几年，做PPT就跟吃饭喝水一样简单。我的一贯做法是：

把文字逻辑和视觉逻辑分开处理。

也就是说，你先开一个文档，把每一页的文字都落下来。全部确定之后，再打开PPT。千万不要直接在PPT里做。因为你同时处理文字逻辑和视觉逻辑，效率一定是最低的，很容易出现来回改、搞半天还不行的情况，极其痛苦。

现在有AI了也一样，还是先定文字。而且，定好文字之后，我还会自己动手做两页，作为风格参考给到Codex。

之所以要做这些，都是为了提升可控性。在实际生产中，AI的可控性是最最重要的。

现在市面上有不少做AI PPT的创业团队。但说实话，他们的产品都差点意思。综合来看，Codex就是最优解。大家可以去试试。

OK，以上就是本期内容。想了解AI，想成为超级个体，想找到志同道合的人，就来我们newtype社群。那咱们下期见！

Subscribe now