分享一下我在小红书做自媒体的选题工作流，不是那种抄话题和复刻账号的。我靠这个方法获得了稳定的广告客户与合作机会。 这套方法容易操作，成本极低，只需要坚持。下面是具体流程。 （1/n）

Anthropic 递交了招股书，AI 圈终于有一家头部公司愿意把账本摊开给大家看了。 上半年收入 163 亿美元，相当于 2023 年全年收入的将近 400 倍，这种增长曲线放在任何行业都像是画错了。 同一个时间段净亏 807 亿美元，乍一看像是公司快不行了，其实是因为公司太值钱了。 这里面有 724 亿是可转债的账面亏损，估值涨得越猛，账面亏得越多，这大概是全世界最让人羡慕的亏损。 二季度经营利润已经转正，大约 10 亿美元，说明卖 AI 这门生意本身是能赚钱的。 累计融了 1411 亿美元，手里还剩 1300 多亿现金和短期投资，一家前沿 AI 公司净花掉的钱竟然才 90 多亿。 最能代表业务表现的数据是，老客户贡献的收入一年涨到原来的 9 倍左右，企业端是真的越用越上头。 带动这一点的主要是 Claude Code，写代码可能是 AI 第一个真正让企业心甘情愿掏大钱的场景。 在 Claude 上一年花 1000 万美元以上的客户大约有 250 家，对它们来说，AI 早就是必需品了。 微软、谷歌、亚马逊三家既是它的投资人，也是它的“房东”，Anthropic 赚来的钱很大一部分会转手交房租。 光这三家，招股书写明的最低付款就有 2700 亿美元左右，而且不管用不用都得付。 再加上 SpaceX 旗下 AI 公司那笔最多 1205 亿美元的合同，马斯克也成了 Claude 的供应商之一。 《连线》估算它最少要付 8080 亿美元算力费，AI 行业最稳赚的，依旧是卖铲子的人。 七位联合创始人通过 Founder LLC 握着 50.1% 的投票权，你可以买它的股票，但说了算的还是创始人。 还有一个长期利益信托能选出董事会多数席位，这可能是第一家把 AI 安全写进公司控制权的上市公司。 招股书里算力总承诺和三季度收入还是空白，最关键的几个数字反而要等到最后才揭晓。 据《华尔街日报》报道，估值目标在 1.5 万亿到 2 万亿美元之间，比很多老牌科技巨头还要贵。 这次上市对整个 AI 行业来说也是一次大考，市场会告诉大家，大模型公司到底值不值这个价。 收入增速一旦放慢，这些几千亿的算力合同就会从底气变成包袱。 Anthropic 敢上市，赌的就是 AI 的需求会一直涨下去。

没想到中国AI还有制裁别人的一天

Kimi这波在X上的宣发被Elshayib这个老哥撕烂了。 这其实是国内科技厂商的基本操作，但在老外这里不好使。和国外KOL打磨营销方案时非常费时费力的，并且要熟悉这个群体和平台的价值观与沟通方式。 但对于AI厂商来说，在X上用外国账号立住叙事，再输出回国内做营销，这种出口转内销的传播方式屡试不爽。 我建议还是找专业的代理做这件事，千万别把国内这一套搬过去用。

说实话不是特别好用，尤其对中文用户来说。 - 排版还是没有脱离Google Slide的模式，套路太单一； - 编辑器不支持插入视频； - 可以通过自然语言标注修改，但Gemini用户在Google Docs里也可以，而且Google Docs的生态更丰富。 OpenAI应该是希望降低门槛、扩大用户群体，但打磨得还是差点意思。

黄仁勋带Lex Fridman 逛台湾夜市，本来像一支美食旅行片。吃到后半段，他却把英伟达、台积电、戴尔这些大公司的早年故事讲得像饭桌八卦：有人不回电话，有人总说“不”，还有人被他当场吐槽了做生意的方式。 - 当年的英伟达给台积电打电话，根本没人回。黄仁勋说，自己从黄页查到台积电美国办公室的号码，留了几次言，始终没有回音，只好给张忠谋写长信。等张忠谋终于在傍晚打来电话，办公室外的同事还在大声玩游戏。黄仁勋赶紧叫他们安静。他回忆那一刻的心情：有人肯谈，英伟达也许就不用死了。这是他在节目里的单方回忆，细节并非张忠谋亲自证实。 - 张忠谋越说“做不到”，黄仁勋反而越想和他合作。黄仁勋说，他先见联电，再见台积电，两家公司都很优秀。张忠谋拒绝了他不少要求，却花时间谈治理、诚信和长期关系。黄仁勋觉得，代工不是在货架上买一件东西，而是一起造一颗芯片。未来会冒出什么问题，谁也写不完，所以选对愿意长期解决问题的人更重要。这是他给当年选择台积电的解释，不必替另一家公司补写落选原因。 - 他讲到合作伙伴时，真正带刺的一句不是冲着台积电去的。他说，如果一不高兴就让所有供应商竞价，最后只有自己赚钱，这种做法会被岛上的人记住。随后他劝人做生意要给别人留些收益，让伙伴也能持续发展。这和他前面讲的长期关系连得上：有时一方多拿一点，有时另一方多拿一点，几十年后再算总账。他没有点名批评哪家公司；这段话是他对“只顾自己赢”的客户做法的评论。 - 迈克尔·戴尔也被他顺手拉进台湾的故事。黄仁勋说，早年台湾工程师依据 IBM 兼容机规范做芯片组和主板，年轻的戴尔从台湾买主板、组电脑，再取得微软操作系统授权。一个美国电脑公司的创业故事，在他嘴里突然露出背后的台湾工程网络。戴尔公司公开资料确认了迈克尔·戴尔在大学一年级创办公司的起点；这条具体采购路径，本文仍按黄仁勋的讲述处理。 - 英伟达员工聚会上，他又拿自己的恋爱史开玩笑。黄仁勋说大学时自己没有零用钱，发现后来成为妻子的Lori 有，于是打趣说自己是“为了钱”才和她交往。紧接着，他说那笔钱不过一周25 美分，够他们打游戏。把它当成现场笑话很好笑，把它写成夫妻交往的真实动机就过头了。 - 他对夜市摊主和记者的反应，倒有些不设防。一个摊主不肯收钱，他说这样以后就没法再来了；到了英伟达聚会，他又给忙了一天的媒体分食物，说他们也需要一点关照。随后他把摊主的慷慨、工匠式的手艺和台湾供应链的互助联系起来。这是黄仁勋解释自己为什么眷恋这个地方，不是夜市能解释半导体产业成功的证据。 这一期最值得看的不是英伟达老板又作了什么预测，而是他怎样讲人与人的旧账：等不到的电话，张忠谋的“不”，不能把供应商榨干的生意经，还有一周25 美分的玩笑。站到产业中心以后，他仍愿意把这些不那么像传奇的细节讲出来。

Dots让人捉急

第一个HTML形式的视频，这次踩的坑： - 要想区别于那种AI自己搞的酷炫的特效视频，本质上还是在讲故事； - 3D的效果不错，但太费token，要养成优化上下文的习惯，多沉淀文档和代码资产； - 这个选题我自认为一般，堵车是一个小众话题，不过呈现形式很不错。

群里转的。

特斯拉这次把新车发布，做成了一场科幻电影里的特技秀。北京时间10月16日，新一代 Roadster 在展示中完成空中翻滚，随后缓缓降落，把马斯克说了多年的“会飞的跑车”带到了观众面前。 这套动作背后的关键，是冷气推进器。它把储存的高压气体从喷嘴中快速释放，利用反作用力推动汽车。根据特斯拉官网介绍，Rocket 版本在车身周围布置了推进器，可以提供向前、向上的推力，以及让车身旋转的力矩。控制系统快速调节喷气，帮助车辆在空中保持稳定。缓缓落地也可以用同样的原理理解：向下喷气，产生向上的推力，为下降过程“刹车”。 整套展示还有另一项技术：风扇吸地系统。它抽走车底空气，利用压差把车压向路面，官方称其吸力足以让车辆静止倒挂。不过，贴地吸附与空中托举是两种不同的机制。这次能在空中旋转的 Rocket 版本采用单座布局，官网也明确注明，它尚未获准在公共道路使用。

和媳妇的真实对话。他说在新加坡设公司了，你去试试吧。 我说那些岗位我也干不了啊，她说你不试怎么知道呢，你去Anthropic镀个金呗。 然后我就让ChatGPT评估一下这事靠不靠谱。ChatGPT的结论我觉得还有价值： - 美国一线AI实验室，不招中韩伊等国家的员工，尤其是研发岗； - 这些AI大厂的新加坡公司，主要定位是扩展本地业务，销售、FDE需求量更大； - 外国公司在新加坡招聘非当地人才，需要申请额外优秀人才签证，你不配。 扎心，尤其是第三条。

借鉴这个Skill，我做了一个动画纪录片，目前Skill完成度70%。下面这个讲火箭发动机的短片长达10分钟，全程使用HTML动画。 但这种视频如何变现是个大问题。我做10分钟长片的初衷是YouTube，我会去试试。但靠这玩意起个YouTube号不容易，也许发到抖音会好点。

又浪费了一些电

硅谷的 AI 竞赛，竟然打出了谍战片的剧本。美国司法部 10 月 13 日通报，一名 OpenAI 工程师涉嫌在公司高管会议室里偷装录音设备，已经被捕。案情细节多到像是编剧写的，但每一条都来自起诉材料，目前都还只是指控。 涉案的是 35 岁的 Abdulrahman Alfozan，沙特籍，2025 年 7 月入职 OpenAI，做工程师。OpenAI 说他在产品团队。他 10 月 9 日被捕，被控使用或试图使用设备窃听口头通讯，13 日第一次在联邦法院出庭，目前仍被羁押。按 SF Standard 的报道，10 月 19 日还有一场羁押听证会。 9 月 30 日，OpenAI 的反窃听团队在旧金山一栋楼里做例行排查，在高管会议室电视背后的 USB 口上发现了一个录音设备，外面用卫生纸包着。OpenAI 判断它大约是 9 月 28 日装上的，里面的内容是加密的。高科技窃听器配上一卷卫生纸，伪装方式是很接地气的。 这间会议室开的不是普通的会。起诉书称，这里经常讨论高度机密的技术、商业和战略信息。而司法部说，Alfozan 没有权限进这间屋，也不参加这里的会，但设备被发现之前，监控好几次拍到他在会议室附近出现。 起诉书里最有戏剧性的，是 AI 工具留下的痕迹。司法部称，9 月 28 日之前，他用公司的一个效率工具反复查询 OpenAI 的楼宇地址、会议室、会议室容量和日程，还有领导层的位置。而一个和他妻子关联的聊天机器人账号，9 月 24 日到 30 日之间问了一串问题，怎么做一个持续录音的设备、怎么改善实时监听、怎么给 SD 卡加密。这个账号和他本人的账号共用多个识别信息。9 月 27 日到 28 日，它还专门问到了后来被发现的那台设备，包括设备的 MAC 地址，也就是每台联网设备独一无二的硬件编号。问 AI 怎么藏东西，结果 AI 的使用记录成了证据。 10 月 5 日，监控拍到他走进那间会议室，看起来是在查看电视背后。设备当时早被发现了，他看了个寂寞。 同一天，他把一个包落在了另一个房间。安保人员打开后发现了他的钱包和证件，还有第二台和第一台类似的录音设备。证件和疑似作案工具放在同一个包里，还随手落在公司，这个操作当然不太像专业特工。 OpenAI 那边并没有马上动手。它说，从 9 月 30 日到他被捕那天，公司一边配合 FBI，一边逐步收紧他的系统和办公区权限，再停掉他的门禁和网络访问，让他休假，收回公司设备。为了不打乱调查，解雇时间也和 FBI 商量好了，就定在他被捕当天。 OpenAI 还特意说了一句，查清这台设备是什么、从哪来的，用的是自家的模型，顺便给产品做了个广告。它称设备很精密，有高级加密、音频监控功能，还有一套专门躲避监控的数据传输机制。它还称，有证据显示他打算在其他敏感场所再装设备。 最让人关心的问题，OpenAI 给的答案是目前没有发现。它说没有迹象显示此人不当访问或带走模型权重、源代码和客户数据，也没看到危及产品安全或客户信息的活动。模型权重说白了，就是 AI 模型训练出来的核心参数，算是 AI 公司最值钱的家底。 官方的口气就严肃多了。FBI 局长 Kash Patel 称，他涉嫌偷录有关公司超级智能技术的敏感对话。国家情报总监 Jay Clayton 直接把这事和赢下全球超级智能竞赛联系起来。旧金山联邦检察官 Craig Missakian 说，对他们来说这是国家安全问题。如果罪名成立，他最高面临 5 年监禁、25 万美元罚款，外加 3 年监管释放。 按 SF Standard 引述的同名 LinkedIn 资料，他之前在 Meta 做过 5 年高级系统工程师。他本人目前没有公开回应。 这件事说到底还只是指控，动机、背后有没有别人，起诉材料里都没讲。但能看出来的是，AI 公司的会议室已经值得有人冒这么大风险了。以后 AI 公司的安保预算，大概会比卫生纸贵不少。

Anthropic 10 月 13 日发了一篇工程博客，讲自己为什么把 git 换掉，自己造了一套代码管理系统。这篇文章干货很足，数字也给得大方。比起系统本身，更值得看的是背后那个信号：AI 写代码太快，连 git 这种用了快二十年的基础设施都开始扛不住了。 起因是代码合并量涨得太猛。合并说白了，就是把改好的代码正式并进公司的主代码库。Anthropic 今年 5 月平均每天合并大约 2500 次改动，到 9 月已经超过每天 30000 次，涨了十倍多。文章说，写代码早就不是瓶颈了，现在卡脖子的是那些按人的速度设计的工具：代码管理、编译和自动测试。 问题出在 git 的设计上。git 是去中心化的，每个人手里都有一份完整的代码库，断网也能查历史、看改动。这对绝大多数项目都是对的，但 Anthropic 用的是单一大仓库，所有代码放在一个库里。光主分支的历史就快 100 GB，压缩后的一份工作副本也超过 25 GB。 再看取代码的次数。光自动测试一项，每天就要取大约 2500 万次代码，还没算开发环境、AI 智能体的沙盒和研究任务。按最笨的办法拉取，每天的 git 流量会超过 600 PB。这个数字是很吓人的。 能用的补丁他们都用过了，包括只拉一部分代码的浅克隆和稀疏检出、内部镜像、提前存好的仓库快照，最多的时候同时运行几百个内部 git 镜像。这些办法确实撑了一段时间，但合并越快，快照落后得越多，维护起来也越费劲。 Anthropic 后来发现，自己和大多数公司一样，其实是把 git 当成中心化系统在用，只认一份权威副本。而它的用户几乎全是 AI 智能体和各种任务，本来就一直在线。git 最擅长的离线能力，在这里反倒成了包袱。 于是他们造了 Scion，五个月里把整个大仓库从 git 完整迁了过去。同期还做了代码评审工具 Antique、代码搜索和权限管理等一堆配套。文章也提到，他们借鉴了谷歌的 Piper 和 Meta 的 Sapling 这些前辈的经验。 Scion 的思路是把活都交给服务器。查谁改过哪一行、生成提交、合并和变基都在服务器上做，本地只留一个有限的缓存，需要什么文件再去拿。这些查询也都开放成接口，很多自动测试任务连本地仓库都不用有，直接问服务器就行。 数据结构也跟着变了。Scion 里每次提交叫 changeset，只记录相对上一个版本改了哪些文件，以及指向文件内容的地址。所以提交时不用加锁，不用多台服务器互相商量，吞吐量可以很高。查历史、查谁改过某一行这类问题，则靠另外算出来的派生数据来回答，需要时再算。 取代码的方式也和 git 反着来。git 是客户端告诉服务器自己已经有什么，服务器算出缺什么再打包发过去。Scion 是客户端直接点名要哪个对象，每个对象内容永远不变，任何一层缓存都能直接回答。每台机器上有一个守护进程，背后是地区缓存，再往上才是权威服务器，每一层的缓存命中率都超过 99%。 和原来的 git 镜像比，Scion 用的 CPU 和内存少了 200 倍。自动测试和研究任务取代码从几分钟变成几秒，快了两个数量级，光自动测试就省下了 25% 的 CPU。 更值得聊的是 Claude 在里面干了什么。年初团队基本手写了第一版从 git 导入 Scion 的程序，自己觉得写得不错。后来拿到 Claude Mythos Preview 的早期内部版本，让它把整个程序重写一遍，没给任何额外指示，新版本内存少用了 20 倍，速度快了 4 倍，还保住了所有隐含的规则。 做这一整套东西的只有 7 个人，五个月完成，期间每天的合并量还涨了 10 倍。参与的工程师都认为 Claude 写代码已经比自己强了。但人的作用没有消失，很多时候工程师的活是对 Claude 说不。比如有的系统想靠从头读提交记录来查某次改动什么时候合进主分支，而正确做法是去问代码评审工具。AI 之间互相挑刺的对抗式评审也会钻牛角尖，有一次对另一个内部服务太不放心，结果 Claude 加了一堆多余的校验。现在团队仍然审每一个改动，但看的是改动的意图，不再逐行读代码。 运维也有新玩法。团队在 Slack 里给每个组件配了一个专职的 Claude，只盯着这一个组件的健康，内部叫 superfan，比如 scion-daemon superfan、scion-cache superfan。它们能看监控和日志，文章称，它们能发现传统告警发现不了的细微问题。 连合并队列这种老规矩也被重新考虑了。测试还在跑的时候，可能已经有几百甚至几千个改动合进去了。传统那种排队时锁住整个仓库的做法，他们复制不过来，于是改成合并后、部署前再做自动测试。这意味着同时提交的改动可能会冲突，但 Claude 修冲突通常比人发现冲突还快。 Anthropic 也很克制。它明说 Scion 不适合拿来替代 git，只有工程师上万、或者有成群智能体疯狂写代码的超大仓库才用得上，而且它自己愿意花在内部的 token 远超一般公司。Scion 也不打算开源成通用产品，因为它和 git 差别太大，要把整个开发流程都换掉。它更希望 git 本身吸收这些思路，比如服务器端提供更完整的查询接口、改进拉取协议，并且想和 GitHub、GitLab 以及开源社区一起做。 Anthropic预计，未来 6 到 12 个月，这类问题会在更多公司出现。git 不会被淘汰，但它当年假设的那个世界，一群人各自离线写代码，正在被一直在线、写得比人快的智能体改写。代码管理只是第一个被撑破的地方，编译和测试大概也快了。

苹果今晚发了三款家居新品：智能屏 HomeView、第四代 Apple TV 4K 和 HomePod mini 2。三款的主角都是新版 Siri，苹果叫它 Siri AI。等了好几年的智能家居大招总算放出来了，但对国内果粉来说，这次可能主要是看个热闹。 HomeView 是苹果第一款带屏幕的智能家居设备。7 英寸屏幕，A18 芯片，美国售价 299 美元，11 月 13 日上市。桌面版的屏幕下面连着一个圆顶音箱底座。壁挂版只有深空灰和银色，也是 299 美元。但要上墙还得另买 Schneider Home 的支架，59.95 美元起。 HomeView 最有意思的是能认人脸。它最多能认出家里 6 个人，每个人看到的都是自己的主屏幕。短信、日历这些私人内容，要等它认出你、你的 iPhone 就在附近、而且最近解过锁才会显示。一家人共用一块屏，但谁也看不到谁的消息，这个设计是很苹果的。 它也是个智能家居中控。The Verge 称它是 Matter 控制器和 Thread 边界路由器，说白了，就是能直接指挥支持 Matter 这个通用标准的各家设备，苹果官方稿也写了支持 Matter 配件。 新 Apple TV 4K 换上了 A19 芯片，苹果称 CPU 比上一代快最多 50%，GPU 快最多 2 倍。最实用的变化是机身里多了三个远场麦克风，不用拿遥控器，对着电视喊一声就能叫 Siri。遥控器也能用查找功能找了，沙发缝终于藏不住它了。 价格就没那么友好了。新款 Apple TV 4K 售价 299 美元，只有 128GB 一种配置。按 The Verge 和 MacRumors 的说法，2022 年那代刚上市时起价 129 美元，今年早些时候已经涨到 199 和 249 美元。从 129 到 299，涨了一倍多，Apple TV 现在竟然和 HomeView 一个价了。 HomePod mini 2 用 S10 芯片，149 美元，五种颜色，10 月 30 日上市。新功能叫 Sound Glow，顶部会跟着音乐的节奏发光变色。四台 HomePod mini 2 配新 Apple TV 能组成环绕声。要注意的是，Siri AI 不是开箱就有的，要等以后的免费系统更新。 对国内用户来说，最关键的是能不能用。三款产品的官方稿里，Siri AI 都只支持英语，只在美国、澳大利亚、加拿大、印度、新西兰、新加坡、南非和英国开放，没有中国大陆。HomeView 首发也只在这几个国家卖，欧盟干脆不卖，因为 Siri AI 在欧盟的 iOS 上还用不了。Apple TV 4K 首发在美国和其他 29 个国家和地区，HomePod mini 2 是美国和其他 23 个以上国家和地区，具体有没有中国大陆，官方稿里没写。 已经住在 Siri AI 开放地区、家里全是苹果设备的人，HomeView 可能是这次最值得看的一款。手里的 Apple TV 4K 是第二代或更新的，可以先等等，因为官方说 Siri AI 测试版也能在这些老机器上用，多花的 299 美元换的主要是麦克风和更快的芯片。在国内的话，等 Siri AI 开放再说也不迟。

英国《金融时报》今天有一篇报道，讲中国 AI 公司算力不够用，干脆成批买英伟达的游戏显卡和工作站显卡来顶班。FT 的标题说，北京想让科技公司戒掉英伟达，但这条路走得很费劲。 看完的感觉是，国产芯片在使劲追，但缺口一时还填不上。 FT 引述多名业内人士的观点，中国科技公司今年已经买了 100 多万颗英伟达的游戏和工作站芯片。这些芯片本来不是为大型 AI 设计的，一类是打游戏用的显卡，一类是做设计、渲染的专业显卡。本来该在电脑里跑 3A 大作的卡，现在被拉进机房干 AI 的活，也算是转行了。（游戏玩家：😲） 国产芯片其实很努力。华为、阿里巴巴、百度、寒武纪这些公司带着，国产 AI 芯片今年产量翻了一倍多，境内供应预计能到 350 万颗，其中大约 100 万颗是在海外制造的。但整体需求估计远超 500 万颗。就算把英伟达这 100 多万颗加上，盘子还是不够大。 被拉来顶班的主要是 RTX Pro 6000D、RTX Pro 5000 和 RTX 5090，都符合美国出口管制的规定，可以合法卖到中国。和华为的旗舰芯片昇腾 910C 比，它们大多数运算都更慢。但简单的活是干得了的，比如预填阶段。预填说白了，就是模型先把用户的提问从头读一遍，还没开始一个字一个字往外蹦答案的那一步。主力干不过来，替补先把读题的活接了。 英伟达的回应话里有些不满。它说自 2022 年以来，中国本土的工作站芯片和显卡厂商增长得前所未有，而美国企业两头受限，一头是过时的美国出口管制，连近五年前推出的游戏产品都还管着，另一头是中国自己限制进口美国产品。两边都在拦，夹在中间的英伟达当然有话要说。 中国公司离不开英伟达，有一部分原因是 CUDA。CUDA 是英伟达的编程平台，开发者写 AI 程序基本都靠它。大多数中国科技公司在被迫转向华为的 CANN 之前，早就用惯了 CUDA，而 CANN 被认为不太好上手。用惯的工具是很难戒的，换平台就像换了键盘布局，手还是往老地方摸。DeepSeek 正在和华为合作改进软硬件，华为也在用 AI 工具加快把代码从 CUDA 搬到 CANN 上，让 AI 帮忙摆脱对英伟达的依赖，这个思路还挺妙。 下一款芯片已经有人排队了。两名直接了解计划的人士称，英伟达正在推出新的工作站芯片 RTX Pro 5500，性能比现在卖给中国的产品更强。中国公司表达的采购意愿加起来竟然超过 200 万颗，但这款芯片最快要到今年底才开始出货。 如果没有新的限制，RTX Pro 5500 可能让英伟达在中国的份额再往上走。美国实施出口管制之前，英伟达在中国 AI 芯片市场的份额曾经超过 90%。 监管这头也在看。一家中国大型科技公司的高管对 FT 说，监管机构正在和科技公司沟通，了解它们对 RTX Pro 5500 的需求是不是真有必要，"坦白说，答案会是有必要"。 出口管制挡住了最强的芯片，但挡不住需求。国产芯片翻了一倍还是不够，游戏显卡就成了现成的补丁。RTX Pro 5500 能不能顺利卖进来，要看华盛顿和北京两边的态度，这一回合还没有结果。

最近几周在做自己非常不擅长的工作，原本以为新的工作是在创造一种模式，但感觉会变成不断重复一些规定动作。 目前还好，尚在疲劳期，还没有进入厌倦期。

Anthropic 10月12 日发了一篇长文，讲自家怎么防别人偷师 Claude。有做法，有数字，也少见地承认了自己付出的代价。看下来，前沿模型厂商已经在用防生物武器的那一套来防蒸馏了。我来挑重点聊聊。 先说说什么是蒸馏。简单讲，就是拿大量问题去问一个很强的 AI，把它的回答收集起来，再拿去教自己的小模型模仿它。Anthropic 说的是另一回事：有人用成批的假账号偷偷这么干，没经过它同意。 Anthropic 称，新办法上线后，蒸馏者能从 Claude 那里拿走的东西少了大约 90% 到 99%。换个说法，被偷走的量只剩原来的十分之一到百分之一，有些天少到测不出来。 偷师的人最想要的不是答案，而是解题过程。Claude 回答之前会先写一段思考，这段思考能教小模型怎么一步步想出答案，比光看答案值钱得多。所以 Anthropic 的防守几乎全部围着一件事：不让这段思考被拿走。 最早的办法很朴素，思考过程先缩写成摘要再给用户看。研究人员拿完整的思考过程去教一个模型，它在一套编程考试里拿了 80.4% 的分；只拿摘要版去教，分数降到 71.8%。差的这 8.6 个点，就是一层摘要挡掉的东西。 但对方很快换了打法，从被动收集变成主动套话。简单的直接让 Claude 把刚才的思考一字不差地写出来，复杂的有一家实验室换着花样试了 12000 种问法。好在普通人很少要求 AI 写出它藏起来的思考，这种问题一出现就很可疑。 真正麻烦的是规模。对方用中转网络控制几十万个假账号，在 Claude 没开放的地区倒卖使用权，用假身份和盗来的支付信息注册。Anthropic 2 月提过，一个网络同时管着 2 万多个账号。封一个号对这个量级来说不太够用。 新的防守从三个方向下手，先管住思考过程能流到哪。对方会把受保护的思考内容挪到别的对话里，骗 Claude 以为自己早就看过了；也会拿防得松的旧模型去读新模型的思考；被封一个号就换一个号接着试。 Anthropic 的对策叫保留思考。2026 年 8 月 31 日及之后新开的开发者账号，不能再改动之前的对话内容，换号接着套就难多了。并且最新几款 Claude 的思考内容不让防得松的旧模型读，部分模型的思考记录只给提问的那家机构看。 再就是直接拦截。Anthropic 把防网络攻击、防生物风险的那套办法搬了过来，加了一道两层的自动审核，专门识别套话的请求。它拿对方真实用过的套话记录，请内部和外部的人专门来攻击这道审核，补完漏洞后，称防护强度已经和阻止 Claude 帮人造生物武器差不多。误伤正常请求的比例不到 0.1%，也就是一千次里不到一次。 这道审核目前装在最强的几款公开 Claude 模型上。出现新的绕过手法就马上打补丁，已经堵上的包括让 Claude 把之前的思考翻译成另一种语言，或者在答案旁边用标记夹带写出来。 最后是让反复尝试变贵。一直套话的账号会被限制用量，死缠烂打的直接封号。已经封了几万个相关账号，很多在开始偷师后不到两小时就被封了。另外从 9 月 24 日起，在误伤率低于 0.1% 的几个领域（包括蒸馏），被拦下的请求照样收钱。这对偷师的人是成本，对被误伤的正常用户也是。 文章里最具体的例子是智谱。按 Anthropic 的说法，智谱在做 GLM-5.3 时偷师了美国领先模型的网络攻防能力，原本想蒸馏 Claude，发现攻击效果被安全防护削弱，就转去用一个更老的 Claude 和另一家实验室的模型。美国机构 CAISSI 后来评估，GLM-5.3 是目前网络能力最强的开源权重模型（就是谁都能下载到自己电脑上跑的模型）。Anthropic 还称，它的安全限制很容易绕过，愿意从头到尾帮人写出攻击程序。 另一个例子更敏感。按 Anthropic 的说法，发给月之暗面 Kimi 的请求被偷偷转给了 Claude，其中一条来自一个它认为和解放军有关的用户，想分析某个特定个人的监控录像。这是 Anthropic 单方面的说法，但能看出它为什么总把蒸馏和国家安全放在一起讲。 代价也写得很直白。Anthropic 推掉了可观的收入，以及数万亿 token（AI 处理文字的计量单位）的付费流量。部分开发者因为保留思考不得不改自己的程序。审核有不到 0.1% 的误伤，而且误伤的请求现在也收钱。2 月它说过要做到不影响正常用户，这篇承认还没完全做到。 Anthropic 也没把话说满。它不知道效果能撑多久，预计会是长期的猫鼠游戏，并且承认还没碰上真正高水平、不依不饶的绕过尝试。所以 90% 到 99% 更像是第一回合的成绩。 最后落到整个行业。偷师的流量分散在 Anthropic 自家的接口、第三方云平台和其他 AI 服务商上。Anthropic 自己防得再严，对方只要能从别处找到差不多强、但防得松的模型，努力就白费了。云平台能做的，是尽快发现滥用、清掉假账号。 麻烦在于账算不过来。防守是很花钱的，而偷师的人照样是付费客户，什么都不做反而最省事。Anthropic 把方法公开，是想证明另一条路走得通。至于云平台和其他模型厂商愿不愿意为此少赚一点，这篇文章给不了答案。

哈哈～我脑子里立刻蹦出来一个身边版漏斗。 - 第一层是我大多数同事和朋友：AI 对他们来说就像是“另一个世界的热点”，偶尔刷到一条新闻或者段子，会说一句“又出什么新东西了”，然后继续开会写 PPT，对日常完全没什么影响。 - 第二层是日常“被动接触”AI 的人：公司给了账号，会议里也会有人提，但他们自己没什么刚需，最多是被拉着试用一下，说一句“哦，还挺厉害的”，然后就没有然后了。 - 第三层是有真需求的人：可能没有技术背景，但工作/生活里真的被一些东西卡住了，他们会很主动地去摸索这些工具，到处问、到处试，想搞明白“这玩意儿到底能不能帮我解决实际问题”。 - 最后才是这一行的从业者，天天在和前沿模型打交道、在 push 能力边界。 我自己这两年最大一点感受是：前三层之间的差距，可能就是几周、几个月的问题。但一旦跨过“真有需求 + 真去折腾”这一道坎，和那 0.2% 甚至 0.00006% 的人之间，很快就会拉开 1～2 年的鸿沟。 唯一有点反直觉的地方是：能不能跟上这波浪潮，技术背景反而没那么关键，有没有需求+有没有行动力更关键。很多非技术朋友一旦真的被某个痛点逼到墙角，他们追的速度其实比程序员快多了。

有个小感想：尽量别在自己不熟悉的行业里做太干净的思想实验。 在数学语境里，把世界简化成“神药 + 完美试验 + 理性决策者”很自然；但对搞生物医药的人来说，这个设定其实已经是科幻级别的理想世界了。