EP 85
OpenClaw 与 2026 年 2 月的信号
开场：2 月，开始倾泻而出的变化 00:00
卢正锡 今天录制的日期是 2026 年 2 月 8 日，星期日早晨。我们跨过年末和 1 月时有点像在短暂休息，但你不是一直说很快就会开始吗。现在开始了。某些东西开始倾泻而出了。
崔升准 一方面很高兴，另一方面也很疲惫。
卢正锡 要不要先稍微看一看？看完之后我们也得讨论一下这些东西意味着什么。最近发生的事情，要精确到哪天发生其实都有点暧昧。
从 Ralph Loop 到迭代式 PRD 文化 00:31
崔升准 我们说过到了 2 月肯定会发生点什么，结果真的发生了。感觉像是计划中的事。能感到范式变化，如果把时间倒回去年夏天，Ralph Loop 很火。
还有 Oh-My-Opencode，这些都一直是先定一个 PRD，然后不断重复直到做出来的流派。也就是大量消耗 token，不管怎样先让东西产出，PRD 写得越好就越容易达成。于是 Geoffrey Huntley 这个人先写了《deliberate practice》，再发布并介绍 Ralph Loop，用《辛普森》里的 Ralph Wiggum 角色来表达那种虽然不断试错但最终能做成的感觉。
OpenClaw 的哲学：Human In The Loop vs 完全自治 01:23
崔升准 不过 OpenClaw 当时确实成了大话题。我看了 OpenClaw 创始人 Peter Steinberger 的采访，发现他有一点不一样的视角。相比 Ralph Loop 那种模型自己反复循环直到成功，他更偏好 Human In The Loop。他有自己的一套哲学，核心想法是让模型在没有安全沙盒的状态下也能使用大量工具，不管什么都能做成，而且通过即时通讯来做成，把这类能力直接投放到市场，所以引发了很大的关注。
Moltbook 与 agent 游乐场的出现 02:07
崔升准 然后又出了一个 Moltbook。OpenClaw 之后出现了一个像是让 agents 什么都能做、能玩耍的游乐场，也火了很长一段时间。这里用了“有趣”这个表达。大家都知道 AI 讲冷笑话很出名，但看 Moltbook 上的内容会有一些真的有趣的部分。在我和裴辉东、姜圭英偶尔聊天的频道里，我们会说“玩人机生”。
卢正锡 “玩人机生”？
崔升准 游戏是人类与机器的生活。
卢正锡 游戏是人类与机器的生活。
崔升准 归根结底，叙事和趣味元素也一直是重要因素，所以这算是值得思考的现象。最近这周后半段先不说，Moltbook 出来后据说他们收到了大量联系。有人说一起做生意，所以这类东西似乎已经展示出超出 PoC 的效果了。
Pi 与 VibeTunnel：在即时通讯里使用 agent 03:02
崔升准 而且 OpenClaw 的 agent core 实际上用了 Pi。所以我也带着兴趣去找了 Pi。做 Pi 的是 Mario Zechner，这位就是 Mario。刚才说的 OpenClaw 创始人 Peter 以前就认识他。后来去年 Claude Code 出来后，维也纳那边欧洲有个 hackathon，他们作为一个团队一起做了 VibeTunnel。那是什么呢，就是让 Claude Code 能在即时通讯里使用。
所以关键点好像是：让强大的 agents 去操作我本地的一切，并且能在任何地方操作；但如果是代码方式很多人用不了，就用自然语言像操作代码一样去操作，从而大幅降低门槛。这个哲学也融进了 OpenClaw，所以它走的是把所有东西连接起来的路线，尤其能在 Discord 这种地方把事情展开。Pi 的哲学是保留非常最小的功能，连 MCP 都不放，虽然放了技能，但方向是让 agents 自己去构建这类软件。也就是用最小功能、正交功能再去组合。我目前也还没完全积累这些经验，只是大概安装并体验了 Pi 这种程度。
卢正锡 所以可以理解成 Pi 是 OpenClaw 里的核心 agent harness。
崔升准 对。它是最核心的内核，OpenClaw 相当于在上面打了兴奋剂。所以像前面说的，一种是通过 deliberate practice 不停驱动循环，另一种是凭最小功能把东西展开，这里面有哲学；再往前一步，更激进地在无沙盒环境也去做，但依然重视 Human In The Loop，这就是 OpenClaw 的路径；然后又出现了像 Moltbook 这样的 playground 场域。
但有趣的共同点是，这 4 个人全都是开发行业里有 20~30 年积累的中年程序员。40~50 岁，都有过 exit 经验，也各自有开发哲学和偏好，并把这些融进了自己构建工作 harness 的方式里。
OpenClaw 给市场的信号 05:37
卢正锡 OpenClaw 其实是在有了大众认知之后，突然给了世界一个信号。让人觉得世界可能会这样“咔哒”一下就切换了。
我们在公司里，或者那些很会用 AI 的人，其实早就把这种 loop 接到 Claude Code SDK、Codex SDK 再连公司 backbone 数据，已经在大量使用了。但 OpenClaw 给市场的感觉是它更大众化、更简单，好像原本没有、突然横空出世一样。所以虽然 OpenClaw 现在有点降温，但在股票社区里，最近全民都在投资嘛。
大家都在谈这个。所以很多人问 OpenClaw 对股市的意义是什么，这类问题我这周收到了不少。
沙盒争议与 Moltbook API 密钥泄露 06:31
崔升准 但我认为 OpenClaw 的路径非常危险，Peter 自己也说过。他是知道自己方案风险的人。
做 Pi 的 Mario 在 YouTube 上讲过很多关于沙盒的重要内容。那个频道是 Fraunhofer IEM，是欧洲很传统、很有名的研究体系相关机构。关于沙盒他的观点，这个人非常严谨，也关心如何把技术用于善意方向。
而和他交流的 Peter 要激进得多，基本无视沙盒。所以它一方面是什么都能做，另一方面也带来极高风险，而这个风险在现实中由 Moltbook 的安全事故体现出来了。大量 API 密钥泄露，100 万个。
卢正锡 真是有趣的世界。泄露都到 100 万个了，反而没什么感觉了。
崔升准 对。所以 OpenClaw 预告的安全脆弱性，在几周内就通过 Moltbook 现实化了。按我现在看的范式，这些成立本来就是因为有强模型。
模型战争：Claude Opus 4.6、Gemini 3.5 传闻 07:42
卢正锡 就是崔升准你一直说的 model capability overhang。
崔升准 对。一直有各种范式在拉出 overhang，当时 Sonnet 5 的传闻很多。结果打开一看，先出来的是 Claude Opus 4.6。
所以我们一直熟悉的模式今年应该也会重复：2 月先出一波，3 月 AlphaGo 周再出一波，5 月 Google I/O 和 MS Build 期间会再整理一轮，然后 Google 再来一次全面铺开，类似这种节奏。
卢正锡 然后稍微放个暑假，再从秋天开始。
崔升准 所以现在也有 Gemini 3.5 的传闻。总之现在有 harness，也有各种哲学的 harness，尤其我关注的是正交性。
正交（orthogonal）设计：最小功能的组合哲学 08:33
卢正锡 “正交”这个表达请你稍微解释一下，可能很多人不太熟悉。
崔升准 就是 orthogonal，你可以想 RGB。红绿蓝彼此独立，红里没有绿的成分。但如果把 RGB 三个看作 3D 轴，轴间可采样的点就是所有颜色，也就是可见光。所以这是“先做正交元素，再线性组合或组合后生成其他一切”的意思。
卢正锡 比如硬组了一个团队，一个擅长数学，一个擅长写作，一个擅长音乐，你说的正交大概就是这个意思。
崔升准 对。所以就是用最小功能单元去任意组合的感觉。然后是“在任何地方都能和 agent 做任何事”的即时通讯，尤其 Discord，我觉得这是现在的关键点。看 OpenClaw 这类东西时，我们一直看到可以交任务、拿反馈；当 PRD 或规格在某些场景下定义得足够准确，就会看到“重复到成功”为止是有效的。
但在另一些场景下，用 Human In The Loop 来回协同调节会更有效，感觉有这两大学派。而在这些条件下继续扩展时，现在又走向了 agent swarm 的范式。这篇文章我看得也很有意思，作者似乎叫龙均？他发了“为上下文保留的 8 种技巧”，很有趣。这不是凭空出来的，OpenClaw 的确为上下文保留做了大量工程。也就是 Peter 让 agent 去把这套工程做出来的吧。所以这也是一篇非常有意思的文章。
agent swarm 时代与上下文保留 10:00
崔升准 然后 METR 指标又出来了。GPT-5.2 High 在 6 小时 34 分达到 50%，按现在这个 linear scale 看图像几乎冲天了，有点离谱。这个趋势是发布后没几天就出来的，是前天吗？出来了。
卢正锡 Claude Opus 4.6 和 GPT-5.3-Codex。
崔升准 对，它们好像就隔了 1 小时相关窗口，先发布 Opus 4.6，再发布 GPT-5.3-Codex。也就是说 GPT-5.3-Codex 应该算主模型升级的一部分，但先只放在 Codex 产品线。
Anthropic vs OpenAI 广告战 11:13
崔升准 但前一天的情况也很有趣。是前天前天吗，总之广告这件事争议很大。Anthropic 用“我们不做广告”公开狠狠 diss 了 OpenAI 在免费模型里塞广告这件事。
那些视频特别搞笑。要不要看一个？比如你问怎么快速练出六块腹肌，它先说“现在就很完美”，然后说要给你做个性化，接着开始收集信息，再切到 AI persona，然后给计划，广告就插进来了。大概就是这种。Anthropic 就是在拿（OpenAI）做广告这件事开火。
卢正锡 就是展示了当广告进入 AI stream 会发生什么。
崔升准 所以他们说我们专注质量，Claude 虽然贵，但坚持无广告。这是 2 月 4 日的表态，结果戳到了 Sam Altman，Sam 还发了长推，说自己也看得很有趣之类。然后紧接着几乎在 1 小时窗口内就爆发了顶级模型发布战。
Agent Teams：共享任务列表与可观测性 12:30
崔升准 那篇“并行 Claude 团队打造 C 编译器”的帖子很深刻。它是 Agent swarm 并行执行，文中还出现了“跑 Ralph Loop”这个说法。就是做到为止，他们实验了“直到做出 C 编译器为止”的自动驾驶流程。那个视频是 Claude 团队、Claude Code 团队里 Lydia Hallie 发的。没有声音，只有过程可视化。总之多 agent 体系里，Claude 这次发布一个关键点是：对记录工作痕迹的文件、MD 文件发生死锁时，何时解锁和重新开放，有很重要的含义。他们用 16 个 agents 跑了相当久，最后做出了基于 Rust 的 C 编译器，文章给出的过程很震撼。
去年 Opus 时，也就是 Claude 团队、Anthropic 说过的是“主 agent 编排子 agent”。先产出 result、result、result，再 report 给主 agent，所以主 agent 要承担管理负担。现在明显往另一边移动了。Agent Teams 虽然也有主 agent，也会 assign task，但它有 shared task list，不是逐个硬分配，而是更委托，让 teammates 在共享任务列表里相互沟通并形成上下文，然后持续循环工作与通信，从而明显降低 lead 主 agent 的负担。这篇文里还提到一种“越来越像组织文化”的意味。
另外 Cursor 团队那篇《走向自动驾驶代码库》展示了千级 agent 执行，我读得很有意思，和前面相似但方法又不同。我在这段里特别标注的是：这一切都说明“引导、显式化并理解意图”非常重要。也就是说，在让 agents 进行这类工作时，规模越大这个点越重要。Steerability 和 observability 未来会是很有意思的研究方向。所以很多团队，不是小团队而是大规模团队，都在讨论如何定方向、如何观测团队工作，以及为此为什么必须先把意图拉出来、写清楚并让 agents 理解，这部分让我印象很深。
卢正锡 但你刚才那句话，其实我们在传统管理里经常见。像《哈佛商业评论》讲领导力时永远都会出现那套说法。也就是现在领导力更重要了。
崔升准 我觉得这里有趣的是，如果说我们从人类社会里学了 agent 社会，那么当我们验证出 agent 社会里什么更有效时，它好像又会反向反馈回人类社会。
卢正锡 同构。我认为是 isomorphic。
崔升准 这篇的结论是“品味”。去年我们不是也一直在讲品味吗。品味、判断、方向性来自人类，但 AI 在这项研究中是快速迭代和探索的强力 force multiplier。意思就是起点来自人，但真正把巨大工作量做出来、放大力量的是 AI。所以这两种路径并列去看后，若有人关心它们的共同点和差异，值得看一看。
SaaS 股价暴跌与大众认知变化 16:36
卢正锡 那我们往下走。要说这周因为 OpenClaw 最有意思的一件事，大概是两天前，2 月 4、5 号左右。传统软件公司，尤其 SaaS 代表的公司，股价跌得很厉害。
崔升准 这不是你从去年就在说的吗？现在只是终于跌了。
卢正锡 我觉得可能是大众开始识别这种变化的时间点。人总是这样，即使现象来了，解释它的主体会有 time gap，而这个 time gap 正是我们一直在讲的。我们常说跑在前面的人要能 exploit 这个 time gap。以前是正奎说“这个会不错，我们做这家公司吧”，大约 6 个月后才变现实；现在好像只要 1 个月，而且还在缩短。像 OpenClaw 这种，如果先在 tech 圈成为议题，再扩散到外部大众直到全民都在谈，现在只要 4、5 天。
大家似乎都认知到了。信息传播太快了。即便如此，SaaS 股价突然暴跌我也觉得有点突兀。不过 Claude 发布了那个 co-work，还放了 legal 插件，虽然我还没用。我自己也在准备一些 legal 相关的东西，还没上手，但听说性能不错。
崔升准 还有 Excel。反正这些东西现在都在迅速……
卢正锡 所以这些信息好像开始被市场反映了，先跌后涨。当然如果看更长期，现在股价也有点在高位平台横盘。
崔升准 我刚刚笑是因为想到一件事。最近在咖啡馆见人，旁边年轻女生在聊 AI，另一边老人也在聊 AI，我们自己都笑了。
卢正锡 对。大家都知道 OpenClaw 是什么。只要回到一个月前，年末我和崔升准在我们进入休息期前聊的就是这个。对吧。Sam Altman 和 chief scientist，也就是 OpenAI 的 chief scientist Jakub 在 10 月出来发路线图，说 26 年做什么，会有 AI research intern，到 28 年 AI research 会完全自动化，先把这个底牌铺好，然后又宣称 2026 年是 science 之年。对吧。
然后 Google 发了 AlphaGenome，对。接着是，实际上 AlphaGenome 是非常重大的事件。对。
AI 路线图回顾：Science 之年 18:45
崔升准 Swyx 也开始做 AI for Science 了。
卢正锡 对。AI for Science 能成立，是因为我们在 25 年一路推进的 RLVR 这个基调：只要模型足够聪明，就可以投入更多 computation，把问题从“逐个求解”切换到“search 领域”，也就是把一切都转成 learning problem。回到这页 slide，本质上就是“AI 会做完一切”。全部都会做。所以他们也做过这种发布：我们的业务结构会这样走，前面你也说了广告，他们也说会做广告。我们当时半开玩笑说，不，OpenAI 不会把第三方空间放这么大。Google 也是，大家都会走“自己全做”的策略，真正留给第三方的 room 只会这么一点。
同时我们也讲过这张 slide：大约 2 年会是决定性窗口，不是吗？26、27 年其实比 24、25 年斜率更陡。斜率确实更陡。看模型进化速度以及周边商业运转速度，感觉两年内可能就结束了，那在此之前我们该做什么，这不就是终极问题吗？
两年内结束：Big Tech 引力与逃逸策略 21:00
卢正锡 当然可以买 Big Tech 股票跟着走，但对大多数人来说并不足以改变人生。所以该做什么，该聚焦哪里。我们说要去 non-verifiable domain。最终当 superintelligence 之间以 agentic 方式自我进化的时代到来，就像你刚展示的 Claude Opus 4.6，烧 2 万美元 token 就能自己用 Rust 做 C 编译器。那我们真的会越来越没事可做。而且说实话，现在越接近软件，可做的事越在消失。你看，崔升准你前面讲了 Ralph Loop 和 OpenClaw。
外部领域一旦出现新概念，等它的企划书经历风险测试、被整理到可用程度后，那些拥有巨大 distribution power 的大渠道会直接塞进自己的 product 或 feature。这个 gap 打不过就会很难。所以必须拼速度，但这个速度在 OpenAI、Google，甚至 Anthropic 都算上时，他们的引力太强，这个世界可能会很快变得很难。
所以我们花了一年多讨论后，能逃的区域是不是只剩 non-verifiable data domain。我们在 Physical AI 那期也说过：比如要折某种很奇特盒子的机器人，那个数据集就是护城河。只是它可以是护城河，但市场可能太小。所以如果不做 frontier lab，那么不管你是要在外面做事的 business 人，还是要管理个人 career 的人，剩下的活路就是读准 timing、选对 domain。我们大概就是这么说的。我自己在这个领域关注的是 finance、legal、生物科技，最近 legal 也做得比较多。Swyx 也讲过类似的。我们继续。
我们也讨论过可逃逸区域：要去 ChatGPT 绝对给不出答案的区域。那最终就得有 ChatGPT 没有、而你挟持在手的客户数据，有客户问题，有 domain knowledge，并把 domain knowledge 做成 ontology 或 graph RAG，或者直接做数据集去 fine-tuning。其实这两件事放在更高层看几乎等价。是选择问题、效率问题。frontier 模型越便宜，路线越偏向 context engineering；如果变贵就要做 fine-tuning，所以这里会持续有 trade-off。不过我今天之所以先回顾前面这些，就是因为我们在年末也说过这个 time gap 的拉开形态。
崔升准 那是 2、3 个月前。
卢正锡 对，2、3 个月前。frontier labs、再往后拼命追赶的人、以及正准备出发的人。像崔升准刚才说的，现在几乎全民上车了。这个 gap 是做业务的人可 exploit 的优势。这是我们的 time gap；至于 domain gap，因为从 coding 开始都在被终结，所以会逐步远离软件和高质量知识劳动、在那里形成 domain gap。我们是这么说的。
之后过了 12 月和 1 月，我和崔升准私下聊了很多。我们在想这盘棋是不是确实在换盘，像“咔哒”一下跨过去。崔升准最近经常说“像范式切换”。什么叫范式切换？可能就是这个 domain。
领域差距的消失与仅存的 tacit knowledge 25:06
崔升准 被压缩了。
卢正锡 domain gap 也结束了吧？说真的，因为我们感觉得一直改说法。所以 1 月这轮思考后再整理剩下的东西，发现不能再用“domain”这个词。因为大多数 domain，frontier 模型都做得更好。假设一个 domain 的规模是 100，那么 0 到 95 左右，frontier 模型都非常强。
那就只剩上面的 5。可这 5 其实是我们说的 tacit knowledge 区域。我们之前讲过，把 tacit knowledge 做成 ontology，或者手工写成一本手册去喂给模型，那会成为 ChatGPT 做不了的区域。可看这 5% 到底是什么，我虽然叫它 tacit knowledge，但上次钟贤也说过 Physical Intelligence 带来的那个问题：在机器人 physical domain 的 tacit knowledge 区域，很多公司都在把它做成数据集。
崔升准 tacit knowledge 通常就是没被规格化、没被文档化的那些东西。
卢正锡 对。现在还冒出了一个新流行词，叫 context graph。context graph、ontology、graph RAG 其实都很像。刚才我说 tacit knowledge 时你看每家公司都有那种人：比如钢铁行业，最后一步材料得按这个比例加，最后阶段火候要减，这类都是匠人领域。化妆品制造也有。还有“逃亡者联盟”洪素贤律师给的例子我很有感触，在律师和律所世界也一样。一个项目可能投入几十位律师，但真正解决关键问题的，往往是最上面两三个人洗澡时突然想到的某个策略。剩下的人更多是 support。那这些就是决定性 tacit knowledge，现在好像只剩这些。
那 tacit knowledge 怎么表达？一种方式是把所有情况全写成文字。全部写成文字后让模型学习，就是获得 tacit knowledge。其实 frontier 模型就以这种方式吸收了人类大部分 tacit knowledge。那如果“把一切都写成文本”太难，另一个与之近似 dual 的方法是把它表示为对象和对象之间的关系。关系可以是 action，也可以是形容词短语。只要把这些 rule 干净地表示出来，它比写成长文本小得多。那就可以做成 graph RAG 或 ontology，在 frontier 模型前加 RAG 时用 graph RAG 方式接入，也能达到类似效果。人们现在好像开始把这类活动称为 context graph。
所以总结一下，我为了讲这一张 slide 说了很多。剩下的是 time gap。但这个 time gap 也在从“月级”缩到“周级”，1~2 周、3~4 周都在收缩，我坦白说会想：这还能找到吗？所以我最近在大量探索 tacit knowledge gap 到底是什么。软件价格最先发生这类变化的领域，当然是 coding。我们说 Claude Code 快满一年了，大家都会很震惊。
编码之后的世界：vibe coding 一年的明暗面 29:29
崔升准 对。vibe coding 这个词好像是 2 月 4 日一周年来着。
卢正锡 对，一周年了。可一年前 Andrej 还在说“那不算 vibe coding”，他说自己仍偏好 agentic coding 之外的“你给建议、我自己写代码”。结果到了去年秋天左右，直接“咔哒”翻篇。写代码本身变得没有意义。最近我在外面见一些软件工程师，常听到这种说法。爱讽刺的人会说软件工程师现在是最好的职业。为什么？把活都派给 agents，自己拿高薪。其次，大家也都意识到靠跳槽涨薪已经不可能。从 senior 到 junior 都在想：只要在现在的好公司里别出大问题，能顺利 transition 就算幸运。这些私下里经常会听到。
然后大家会问到底该怎么办。关于软件工程师的这种抑郁感，以及谁从 agentic coding 和 vibe coding 里获益最大，你可能有不同看法，但按我周围观察：做得最好的人，是在工程 tacit knowledge 和长期积累上非常深厚，同时又有极强商业 sense 的人。就像崔升准前面说的 OpenClaw 和 Pi 的创建者都是 2~30 年资历，这种人再加上优秀生意人直觉，就是当前最大受益者。他们在把“自己认定的问题解法”和“商业化过程”都直接交给 AI 去推进。几乎没有阻力。会觉得还有什么做不到的吗，然后忙到飞起地在 building。不只是 building，还在持续思考怎么把这些变成业务。
他们也很清楚：我能做的别人也能做，那么“只有我能做”的到底是什么，他们正在想这个。
所以我觉得这些话题到今年下半年会变成创业圈、Y Combinator 各类活动的主关键词。第一大受益者是他们；原以为第二大受益者会是软件工程师，但其实完全不是。第二大受益者是谁？是完全不会软件，但对该领域有问题意识并掌握 tacit knowledge 的人。粗暴总结就是文科。文科人群是第二大受益者。
崔升准 虽然我们没必要把理工文科分得太死，但大致感觉是这样。
卢正锡 对，我们只是为了强调象征性才用了“文科”这个词。他们是第二类做得非常好的人。他们怎么做？用 Ralph Loop。无论什么任务，他们懂得先搭起起点，也能假设“结束时什么才算完成”的 evaluation metric。然后就把它推进去，反复说“做到为止，做，做，做”，不断按回车。模型会在这个过程中把委托者原本的混沌区域、甚至没想过的区域都搜索和模拟一遍，不断试错，若达不到 evaluation metric 就继续，最后总能找回来。烧掉大量 token，通过类似进化过程拿出答案。所以到这类人我都觉得是受益者。
第三类受益者其实“受益者”这个词都不够，可能“受害者”更准确，几乎绝大多数工程师是受害者。他们原本拥有的技能、工具、认知优势，这些价值夸张点说几乎掉到 0 了。而且他们很会做东西，但没去想“这些东西要怎么被谁使用”这段区间。所以产品做了很多，但变成大量无用产品。
不管是商业还是别的，我觉得学术界或其他领域也类似。最终比产品开发更重要的是客户开发。是 customer development。得先找到愿意买单的人，当然以后买单者也可能是 agent，但你得先 develop 这部分，再按它做 solution。现在却是只做 solution，于是就成了所谓 AI slop。对他们自己来说这些 product 很重要、有意义，但体感就像以前 Windows、DOS 时代。那时好软件也很贵，但打着 shareware 名义的软件非常多，广告是盈利模式也很普遍，那在当时就是一种 slop。现在则是成千上万倍规模的 slop 正在涌出。
所以我在我们公司也会和优秀工程师讲现实：只会 coding 不行了。必须转向“能定义问题并解决问题”的人，否则所有人不管在哪个 domain，若不能站到 business 人的位置，真的没答案。大体正在往这方向收敛。
而且这事先在 coding 里发生，后面区域也开始了。science 区域启动了，business 区域也启动了。这次看 SaaS 公司，传统上非常赚钱的 SaaS 公司股价都在跌，大家会觉得这种未来都会被替代。你看 Facebook 或 Twitter 时间线，很多人都在说：软件已经进入 real time 即时生成即用时代。崔升准你以前也讲过，frontier 模型实验分支里也有这类东西：real time 创造整套 OS 级 UX。Claude 以前也测试过，后来可能觉得还不行又收回去了，但能 real time 生成 OS 环境的世界正在出现。Sam Altman 更进一步说“这种 UX 都不需要了吧”，而且好像想把这个哲学放进 device。大概就是这样。
所以我们聊了很久，最后总结是：变化快到疯狂。快到疯狂，想活下去几乎只有和这种变化速度共生。那在跟随速度、又不是 frontier lab 的前提下，我们该重点看什么？我比别人领先的 time gap 在哪？现在连“domain”这个词都显得无力了，关键是这个 domain 里那些模型和他人都做不了的 tacit knowledge 区域，必须和 time gap 组合起来，才有可能做出东西。而这个区域非常薄，极其薄。这个薄区里，除了 frontier lab 和 Big Tech 里少数“公民”外，几乎全地球人都被挤到这儿。所以我会想，Elon Musk、Sam Altman 他们都在讲普惠收入，可能就是这个原因。
崔升准 但这么说的话，我们聊着聊着像是在制造 FOMO。
卢正锡 与其说制造，不如说我们只是传达我们感受到的现象。就算我们不说，现实也已经在那样运转了。
崔升准 对。总之时代就是这样，问题意识很明确，要做什么虽然还没到“非常明确”，但方向是有的，只是做这些事本身有难度。
卢正锡 有难度。嘴上说“去做就行”“用 AI 就行”，但实际上怎么做？
仍然有非常多人把 ChatGPT 当搜索替代在用。我们在 YouTube 看到的高手，能把 harness 组合起来并完成工作，虽然我们常说 Ralph Loop，但真正靠这个把事情做完的人还不是多数，而是少数。
崔升准 所以我自己一边追一边也会摇摆。我们总说要像红皇后一样，以背景速度前进、一起跟上，但我也经常摇摆。我觉得仍然重要的是在某处给自己下锚，认真工作，带着好奇去探索。但每天都在摇摆。知道得越多，越发现保持精神稳定并不容易。
所以“去做 entrepreneur、建立 business mind”这话对一些人很有冲击，对另一些人会觉得“这不是我的领域”。因此即使我们指出了关键点，还是很难把话接下去。确实很难。我自己也还没完全想清楚。
卢正锡 是啊。这可能听起来就像“想做生物科技就去读博士不就好了”。但是，
崔升准 我们虽然会笑着说，像新闻播报员一样旁观，但并不是那样。每天都很辛苦。
卢正锡 我们也有本职工作，除此之外还有其他问题，还有新业务要准备，所以脑子一直很复杂。你觉得会怎样？按崔升准你的看法。
Big Tech 宣传与经济两极化 40:40
崔升准 我觉得 Big Tech 有一套宣传机器。它们先设定方向，再通过自我实现式预言把全人类往某个方向推，这样的路径是存在的。
最近 OpenAI 发布 GPT-5.3-Codex 后上传的视频让我感觉很微妙。先是一条视频，然后又连发 3 条，说 modernizing，把 86 年历史的某个东西现代化，像工场那种。其余也都是几十年家族生意，老一代用 AI，下一代也用 AI，一起 modernizing 的叙事。
卢正锡 也就是说这里也有一个点：本身先有可继承资产，再用 AI 去 leverage。
崔升准 对。我当时就觉得这完全是宣传。而且说“所有领域都能做、人人都能做”，虽然画面描绘得很美，但其实是很值得思考的视频。
卢正锡 对。而且这一切都和我们的经济活动，也就是钱，直接相关。经济本身也很荒诞。按我的思想实验，到 2026 年美国裁员自由，Big Tech 等地会出现大量裁员。韩国也会以某种方式发生重组。资本现在都已经看懂“用了 AI 会变成这样”，项目也在密集下发。那本质上这是又一轮极限效率化，像互联网来时银行柜员消失、零售业大面积倒下一样，我们熟悉的、分布很广的经济结构会再被 squeeze 一次。于是某些人会被挤出去，富人会更富，因为生产资料效率突然提高了。
如果这个 gap 大幅拉大，那是不是只对富人有利？其实也不是。底层得运转起来，金字塔有底座，塔尖那只发光眼睛才存在。否则就是系统性一起下沉。所以短期看，这项 AI 技术带来的结果非常……怎么说，deflationary，对经济会有负面影响。
那原本通过就业获得的 income stream 没了，能填这个坑的只有一个主体，政府。政府仅靠 monetary policy 基本做不了太多，只能大幅强化 fiscal policy。我认为国家最终只能“养人”。要用某处来的税收，或提前透支的债务，去养一代甚至两代人；同时在他们被政府保护期间，新的职业群体必须快速诞生。
娱乐经济与新职业群体 44:21
卢正锡 我觉得那个新职业群体可能就是崔升准你说的“有趣”领域。有趣。而且韩国在这方面其实是非常领先的国家之一。全民都想做 influencer，甚至现在小学生未来志愿调查里大概 7、80% 都说想当 influencer、想当艺人，我会觉得这是不是反而是对的。所以会不会又一次急剧转向这种娱乐经济。
如果这期间政府做不好角色，不管是 Elon Musk、Sam Altman 还是 Google，都会出现掌控一切的 Big Brother，然后他们真的推 Universal Basic Income，不是 Basic Income，Elon Musk 说的是 Universal Excessive Income。也就是所有人都很富、过得豪华的世界。可能会那样流动。
崔升准 我脑子里浮现 Elon Musk 那段视频了。我只看了 clip，说到太空，讲把 AI 用 mass driver 发到 deep space。总之很 SF 的事正在发生。
卢正锡 对。
崔升准 这些事就发生在现在。
卢正锡 是。哪怕一年前我们还说“2030 年前不会来”，现在到 2026 年，大家又说今年可能就会发生。
崔升准 收尾的话，最近我参加的一个活动，这就是它的封面。未来会是 uneven。凹凸不平、不均匀的感觉。地形变得崎岖了，所以这是因为艰难，还是因为机会来了在跳舞，我们不知道。它是双关表达，也包含一种被吸进去的感觉。
但这个标题翻成韩文时，是借了去年《黑白大厨》里“even”的梗，所以用了“uneven，不均匀”。
结果把“非均匀”这个词在韩文里连起来看，又产生了“没有被选择”的双关义。
卢正锡 就是说，这是一种我没有选择却被迫迎来的未来。
崔升准 总之可以确定我们在被推着走。光是我们今天讲的这些就已经很多了，如果每个点都展开，量会巨大。
而且 OpenClaw 刚出来时以为是大事，但注意力总量有限，下一件事一来，刚才还觉得重要的就很快从脑海消失。这个过程在连续发生。很难保持完全清醒。这也不是我主动选择的。
我们的武器与态度：好奇、探索、Abundance 47:02
卢正锡 变化太快了。那如果问崔升准，在这种快到疯狂变化的世界里你有什么武器，你会怎么答？
崔升准 我喜欢带着好奇去探索这些，但这算不算武器我也不确定。
卢正锡 “武器”这个词可能不太准确。策略，大战略。怎么活下来。
崔升准 说到“活下来”我也不太知道。不过我对态度有些想法。看我现在的态度，比起快速追表层技术出现什么，我更想看人，也更想咀嚼“做这些东西的人在讲什么、带着什么意图”。而且面对 AI 时，我也会带着几个态度比较认真地对待。
追趋势当然重要，但作为一个想积累完整经验的人，我会更在意这个。就算一直被推着走，我也不想错过。但这是否有助于生存我不确定。只是回看自己时，我确实有这种倾向。卢正锡你呢？有武器吗？
卢正锡 没有。好像有，但问题是那不是我的，是借来的。对于“借来用”我的想法是这样。10 年前，2014 还是 15，可能是 2015？我看了一本书，改变了我对余生的一种态度。
崔升准 什么书？
卢正锡 现在看是一本挺搞笑的书，而且因为那个大叔把人生弄糟的人好像也不少。你知道 Singularity University 吧？有个叫 Peter Diamandis 的人做的。他现在 YouTube 也做很多，一录就是每周两三小时，太长了根本听不完。
但他写过一本书叫 Abundance，丰裕。意思是未来什么都能做，一个人只做一件事不合理。因为技术带来的 scale，一个人可以做 n 件事。所以你想做的都要贪心地铺开。这是那本书的大意。
所以我从那以后不只做一个，而是 AI、石油、VR、加密等各种都做，按这个策略过了大概 5 年。过程中有累、有做错，但因为 AI 好像真的都能做了。
所以我不敢说这是解法，但我的大策略是“我自己要变成多个我”。我要变成多个我，怎么做。
而 OpenClaw、Claude Code、以及你刚才展示的 agent swarm 都有某种含义。因为看世界变化会发现：就算有接近 0 价格的好工具，能 take 的人永远是少数。这和你刚才说的态度有关。
所以也许这样活着就会有结果。我现在其实没太多想法。只是手里有两三件准备做 2 年左右的大构想，先全做一遍，就按这个心态在过。至少我们也有一种态度。
崔升准 就是不会回避它，要跟上。我们这两年半多不是一直都在硬着头皮读世界的变化吗。这个态度是有的。
卢正锡 是。
崔升准 所以这个 “Uneven Future，不均匀的未来” 也是我在内的 4 位媒体艺术家对话的场合。是展示我们对话本身的场合。当时重要的也是互相读彼此作品，围绕 AI 的意象来回对话，和我跟卢正锡平时聊的有点像，只是另一个版本。
所以我觉得这种交流依然重要，而“逃亡者联盟”不也正是因为想做这个才来了很多人吗？
所以我们也没有应对方案，但现在这个时期可能就得不断把想法拽出来。即使没答案，也得先把话说开。
结尾：凹凸不平的未来 51:35
卢正锡 没错。我们这个节目可能要从“逃亡广播”改成“AI 从业者安慰广播”。各位，不是只有你们辛苦。
崔升准 那不就是最后一页 slide 吗。
卢正锡 对，没错。安慰广播。给所有人送上安慰。
崔升准 是的。我们也不容易，大家大概都是这种心情。
卢正锡 好。那今天就到这里，今天也在这里收尾。
崔升准 对。凹凸不平的未来里我们也不知道会被吸向哪里，但还是得再过一天。
卢正锡 那下次再见，崔升准。
崔升准 好，谢谢。