代码可以构建世界，但生活中的乐趣远不止于此。这里是我一周的精选。
周刊开源（Github：wmyskxz/weekly），欢迎提交 issue，投稿或推荐精彩内容。
题图
人形机器人今年在深圳真的开始上班了。电影院里有机器人打爆米花，公园里卖咖啡冰激凌，街上巡逻、店里导购，甚至进厂拧螺丝。优必选一家公司去年拿到超14亿元订单，今年产能要奔着万台去。
本周讨论：一份报告，让华尔街跌了一天
（本期来源：2028 AI 屠宰场）
2 月 23 日，IBM 创下了 2025 年以来的单日最大跌幅。同一天，美国运通、黑石跌了超过 6%，整个软件板块下挫近 5%。
导火索不是什么财报暴雷，也不是美联储放话，而是一篇来自小型投研机构的报告。
这份报告叫《2028 全球智能危机：一场来自未来的金融史思想实验》（上一期我们分享过）。作者是 Citrini Research 的詹姆斯·范·吉伦和阿拉普·沙阿。
作者自己都说，这只是一次思想实验。但市场显然不这么看。
五环崩溃链
这份报告推演的是美国的情况。它的核心不是简单地说"AI 会抢工作"，而是构建了一个环环相扣的崩溃链条，一共五环。
第一环：幽灵 GDP。
报告预测，到 2026 年 10 月，标普 500 逼近 8000 点，纳斯达克突破 3 万点。企业靠 AI 裁员，利润飙升，生产力以 1950 年代以来未见的速度增长。从数字上看，经济一片大好。
但问题在于：AI 不消费。
一个 AI 干的活，相当于曼哈顿中城 1 万个白领。但 AI 不会买房，不会下馆子，不会旅游。它只会干活，不会花钱。
产出增加了，钱却没有通过工资流回到消费者手里。报告把这叫"幽灵 GDP"------账面数字很好看，但老百姓手里没钱，经济循环断了。
第二环：商业模式坍塌。
AI 的冲击不止于替代几个岗位。它会摧毁整个建立在"人类摩擦"之上的商业生态。
什么是"人类摩擦"？比如，比价平台存在的前提是我们懒得自己比价；中间商能赚钱是因为我们担心交易对方不靠谱。这些"懒"和"怕"，就是人类摩擦。
AI 代理成熟之后，这些摩擦就没了。旅游预订、保险续保、房产经纪，所有靠"人类懒得比价"或"习惯性消费"赚钱的生意，都会被击穿。
还有一个更隐蔽的冲击：支付网络。机器对机器的交易中，2%---3% 的信用卡手续费就是明显的冗余。AI 代理会直接用成本几乎为零的稳定币结算，绕过信用卡网络。
多个行业同时坍塌，大规模失业就来了。
第三环：白领失业引发消费崩溃。
这里有个关键数据：美国白领占就业总数的 50%，贡献了大约 75% 的可自由支配消费支出。买房、买车、度假、下馆子------白领是整个消费经济的基座。
AI 大规模替代白领之后，遭殃的不只是白领自己。大量高技能劳动力涌入零工经济，工程师去开网约车，程序员去当水管工，进一步压低了原本就微薄的底层工资。
更糟的是，即便还在职的白领，也开始"像随时会失业一样"消费------储蓄率上升，消费支出放缓。
第四环：金融体系崩溃。
拿私募信贷举例。过去十年，私募信贷从几千亿涨到 2.5 万亿美元，很大一部分流向了 SaaS 公司。这些贷款的基本假设是：软件公司的收入是稳定的，年年都能收到续费。
AI 一来，这个假设就崩了。比如一家做客服软件的公司，客户用上了 AI 客服，纷纷不续费，收入急剧下降，欠银行的钱就还不上了。
你可能会说，一家公司违约，跟普通人有什么关系？
关系大了。这些借给软件公司的钱，来源不是什么华尔街的机构资本，而是美国普通家庭的养老金和保险。说白了，保险公司拿你的养老钱去投了软件公司。软件公司还不上钱，你的保险就出问题了。
底层资产大面积违约，保险监管坐不住了，要求保险公司补钱或者抛售资产。这又引发股市进一步下跌。
第五环：没有刹车的负反馈循环。
报告认为，这次危机跟历史上所有经济衰退最大的不同，在于它没有自我修复机制。
传统衰退有内置的"刹车"：过度投资导致建设放缓，利率下降，刺激新一轮建设；库存过剩导致减产，然后再补库存。这些周期本身就包含复苏的种子。
但 AI 引发的冲击是结构性的。AI 能力持续提升，成本持续下降。企业裁了人，用省下的钱买更多 AI，然后又能裁更多人。投资越多，AI 越强，人类的席位就越少。
说白了，这是一个没有自然刹车的循环。
报告的终局预测：2028 年 6 月，美国失业率达 10.2%，标普 500 从 2026 年 10 月的高点大幅回撤。
外界怎么看？
报告一出，立刻分成了两派。
反对派人多，阵容豪华。最强硬的回应来自白宫。2 月 24 日，白宫经济顾问委员会代理主席皮埃尔·亚雷德公开表态，说这份报告是"一部有趣的科幻作品，违背了一些基本的经济学原理"。
华尔街主流机构的态度也很一致。有人专门发了研究报告来驳斥，说 AI 引发危机需要同时满足五大条件------AI 得快速普及、大量替代人工、政府不管、投资救不了、算力还得受限。这些条件同时实现的概率极低。
支持派人不多，但都是狠角色。比如"黑天鹅之父"塔勒布，报告发布后第二天就警告投资者：市场低估了风险。
作者是谁？这很重要
出于"信息卫生"的考虑，作者的背景值得说一下。
詹姆斯·范·吉伦，公开信息显示他之前没有传统金融背景。另一位作者阿拉普·沙阿，曾经公开表示："我们通常会做空那些我们认为将被 AI 彻底颠覆的企业。我们持有大量半导体类科技股票，我们认为这些公司将从中受益。"
这是个典型的"唱空做多"策略。说白了，如果报告里的预言成真，这位作者就是最直接的受益者之一。
但这不意味着他的分析就没有价值。很多时候，最了解一个行业的，往往就是那些在这个行业里下了重注的人。知道立场，才能更好地理解分析。
真正值得关注的，是叙事本身
跳出报告本身，我觉得还有一个更重要的视角：叙事。
你看房地产泡沫。人们并不是因为房价真的在涨才去买房，而是因为相信"房价永远不会跌"这个故事，才去买，进而真的推高了房价。
这就是 2013 年诺贝尔经济学奖得主罗伯特·希勒说的"叙事经济学"------叙事先于现实，并塑造现实。经济波动很大程度上是由那些过度简化、容易传播的故事驱动的。
索罗斯的"反身性理论"说得更直接：参与者的意识决定了未来的走向，而未来会因为个体的当前决策而不同。
回头看这份《2028 全球智能危机》报告，它本身就是一个强大的叙事。逻辑完整，有数据有案例，还触及了每个人最深的恐惧------失业和财富缩水。按希勒的理论，这样的叙事传染性极强。它不需要是"真实"的，只需要是"可信"的、"可怕"的、"可传播"的。
但与此同时，还有另一个叙事在竞争：AI 是新的生产力革命，就像上世纪 90 年代的互联网，它会创造比摧毁更多的机会。白宫、华尔街主流机构、科技公司 CEO，都在讲这个故事。
我的看法是，这两个叙事最终不会和平共处。按希勒的观点，市场很少同时接受两个主要叙事，因为那样太复杂了。未来几年，哪个故事占了上风，可能比技术本身的发展更能决定结果。
所以问题不只是 AI 到底会怎样，而是我们选择相信哪个故事。这个选择本身，就在塑造未来。
热点新闻
1、巨型天坑激增威胁土耳其农民（英文）
土耳其科尼亚平原，这个孕育了世界最早农业文明的"粮仓"，正在被天坑吞噬。目前已有近 700 个天坑，最宽达 50 米、深 40 米，有农民眼睁睁看着自己的甜菜地瞬间被吞，一年损失 1.7 万英镑。
直接原因很简单：气候变暖导致降雨锐减，农民只能打更深的井（从 30 米到 90 米）抽地下水灌溉玉米、小麦这些耗水作物。地下被抽空，岩层失去支撑就塌了。这是典型的"人祸加剧天灾"------90% 的国土面临沙漠化风险，过去 60 年该地区 240 个湖泊已消失 186 个。
农民陷入死循环：不抽水作物死，抽水地塌。有人改种需水少的大麻（浇水次数从 10 次降到 3 次），有人复兴"不灌溉"的古法旱作，种玫瑰和药用植物。但更多人是绝望，像 47 岁的农民西克，已把子女送走学医，认定自己是"最后一代农民"。
在伦敦，几乎每个地铁站都设有块白板。不用来发布官方通知，而是汇聚了路人随手写下的语录和涂鸦。
有时是一碗治愈心灵的暖心鸡汤，有的是需要反应好一会才能get到的英式冷笑话或谐音梗。如果遇上节日临近，工作人员会在白板上写上节日祝福。一起来看看！
尽管每个"作品"笔迹不同、风格各异，但都能让你在忙于通勤时不自觉放慢步伐，驻足一会。之前厦门地铁上的树洞文案有着异曲同工之妙，电子屏轮番播报大家投稿的"金句"，很美的精神状态.....原本平凡的一天，或许就此有了不一样的心情。
文章
1、从噪音到影像（英文）
一个互动式、可视化的指南，讲解人工智能如何从文本生成图像背后的魔法。
2、「去你的」：消费者选择权是怎么被剥夺的，科技行业又是怎么从中获利的（英文）
科技公司拿走你的功能、锁死你的设备、让你没法修自己买的东西------给出的理由永远是「安全」「用户体验」「平台生态」。这些理由的共同特点是：听起来说得通，但经不起五分钟推敲。iOS 禁止第三方安装应用长达 15 年，理由是「保护安全」；欧盟一立法，这个「技术上不可能」的问题当场消失了。说白了，禁令从来不是技术问题，是苹果靠独家应用商店抽 30% 佣金的生意。
这套系统的核心逻辑只有一条：你的依赖比你的满意更值钱。 让你迁移成本高到舍不得走，然后涨价、删功能、劣化服务，再用数据精确测算你的忍耐边界。苹果的「配件防篡改」让你换块电池都会触发警告；约翰迪尔（拖拉机品牌）锁死维修软件，让农民在丰收季等三天上门服务。这不是意外，是设计。
真正让这些公司改变的，从来不是用户投诉、差评或舆论风波------谷歌关掉 RSS 阅读器 Google Reader 时，抗议声浩大，照样关。能动它们的只有：政府立法、诉讼、以及真正有罚款的监管。文章最后说的是实话：这是政治问题，不是消费者市场问题。
3、像一辆轿车一样「看」世界（英文）
自动驾驶领域最核心的技术路线之争：Waymo 用激光雷达（lidar，向四周发射激光脉冲来探测物体距离和形状的传感器）+ 雷达 + 摄像头的多传感器融合方案；特斯拉只用摄像头，靠神经网络处理视频画面来理解周围环境。特斯拉的逻辑是「人靠眼睛就能开车，AI 也应该能」，并以此彻底省掉激光雷达的高昂成本。
问题是，摄像头在强光、夜晚、大雾等条件下有物理上限，这些不是算法能完全弥补的。最直接的数据：特斯拉 2025 年在奥斯汀的无人驾驶测试，前 7000 英里（约 11000 公里）发生了 3 次事故，平均每 2300 英里一次；Waymo 在同等条件下的安全记录好了数个数量级。特斯拉也悄悄承认了这一点------2019 年高调宣布「只用摄像头」之后，2023 年又悄悄把雷达加了回来。
两条路线正在收敛：特斯拉在补传感器，Waymo 在精简硬件、强化 AI。激光雷达成本也从 2007 年的 7.5 万美元跌到如今量产价格预计 2000-3000 美元区间。真正的竞争终点不再是「哪种传感方案赢」，而是「我们愿意接受哪个安全标准」------这是政治问题，不是技术问题。
4、我的AI编码工作流程（英文）
作者用 17 天构建了一个真实 macOS 应用，全程几乎不写代码、不读代码。他的核心设置是：一个叫 Brian 的个人 AI 助手（基于 OpenClaw，即在个人电脑上运行的自主 AI 智能体）扮演他的分身，接收 Telegram 语音消息后，把需求转化成规格文档，再派出子任务给 Claude Code 实际写代码，并通过共享看板异步推进工作流。
质量控制分两层：「坏代码」（测试不足、结构混乱）靠在 CI/CD 流程中强制执行 90% 测试覆盖率和代码健康评分来兜底，AI 能做好这部分；「错位代码」（方向对但不符合自己意图）靠让 AI 维护三层文档------架构、核心抽象概念、代码结构说明------作者只审这些文档，不看具体代码。
费用是这套工作流最直接的现实约束：Claude Code 订阅每月 200 美元基本够用，但驱动 Brian 的 API 调用平均每天花 100 美元用于产品开发，相当于一名全职工程师的薪资成本。作者承认这笔钱目前没有优化，因为他认为先搞清楚「AI 能做什么」比省钱更重要。
5、文科生 72 小时杀入 GitHub 全球榜：我没写一行代码，但指挥了一支 AI 军队
在AI时代，软件正在从"资产"变成"内容"，代码本身不再是门槛。一个名叫"天润"的金融背景创业者，验证了不懂技术的人也能用 AI 创造巨大价值：行代码都不会写，却成功跻身 OpenClaw 项目贡献者前 30 名，与一群拥有十年以上开发经验的硅谷工程师并肩而立。
他用了一种"王家卫式"的方法，不告诉 AI 具体的实现细节，只下达最终战略目标，并把顶级 AI 当成"大师"给予最高权限，让它自主完成从发现任务到修复代码的全过程。
全球 84% 的人从未使用过 AI，只有 0.04% 的人用过 Claude Code 这类编程工具。我们以为的 AI 普及，其实只发生在极小圈层里。卡神分享了个人的 9 条心得。
- 比如「花 20 刀用最好的模型」。他用朋友的真实案例证明：同样需求下，免费国产模型让人觉得「AI 也就这样」，而 Claude Opus 4.5 的效果让人震惊「这是同一个东西吗？」。GPT-5.2 Thinking 像全栈白领，GPT-5.3 codex 是干活码农，Claude Opus 4.6 是顶层架构师，Gemini3.1 Pro 是全知科学家。
- 再比如「每周自动化一个重复任务」，从数据统计到邮件回复，积少成多地成为 AI Native。作者强调 AI 会员的投资回报率是他见过最高的之一，150 块的月费比买不常穿的衣服更值得。
7、如何用 claude code 把 claude code 变成个人助手
作者使用 Claude Code 搭建了一个家庭共享的 AI Bot，核心经验是：定义问题比解决方案重要，产品思维比编程能力稀缺。
并分享了「vibe coding 的六大技巧」、「从想法到产品的四步工作流」、「产品思维的三层设计」等内容。
8、MincroGPT（英文）
Karpathy 用 200 行纯 Python、零依赖代码，把 GPT 训练和推理的完整算法链路压缩到「不可再简化」的程度。这不是玩具，而是能真正生成文本的完整语言模型。
你可以一口气读完，真正理解 LLM 的工作原理，而不是把它们当成黑箱。
好奇星人
选定一个方向，一路走到头，沿途有请求就停，走到顶之后掉头，再一路走下来。
这就是大名鼎鼎的电梯算法 ，在计算机科学中叫 SCAN 算法（扫描算法）。它的名字非常形象------就像一个扫描仪，从一头扫到另一头，再扫回来。由于它的行为和电梯完全一样，所以也被直接叫作电梯算法（Elevator Algorithm）。
早在 1960 年代，Donald Knuth（高德纳）就在《The Art of Computer Programming》中用电梯作为案例来讲解这类问题。
言论
1、
软件工程一直更注重结果，而不是代码。
这就是为什么优秀的工程师花大量时间思考生产力和团队协调。我们很幸运，因为让团队高效运作的原则和工具，往往也让编码代理工作得更好：小而堆叠的差异？这对人类理解非常有效，也适合大量代理同时进行变更。
--一切都会改变，但又什么都没变（英文）
2、
Dario Amodei（Anthropic CEO） 满口胡言......过去五年，Anthropic 一直把自己包装成 OpenAI 的『可信、安全』替代品。
我认为 Anthropic 每赚 1 美元要烧掉 3 到 20 美元，用户正在使用（媒体正在吹捧）的产品，是 Anthropic 长期根本支撑不起的。
Dario Amodei 和 Sam Altman 本质上是同一个人------只是长得不太一样
--Anthropic 仇恨者指南（英文）
3、
品味更像是 Alpha：一种衰减中的优势，价值只相对于不断上升的基线而言。而这条基线的上升速度比多数人意识到的更快。
工厂不仅策划人类创作的内容，它越来越多地策划 AI 创作的内容，筛选出『聚合信号』认为『好』的东西。
那些说品味是护城河的人，说对了一半------它确实重要。但他们错了------它并不是你能守住的。
--品味不是护城河（英文）
4、
AI 会淘汰部分重复性、流程化的工作，同时催生新的职业形态。例如云解决方案架构师这一岗位在 15 年前并不存在，如今已有数以万计从业者。
--亚马逊 CEO
5、
曾参与iPhone人像模式开发的兹夫·阿塔指出，如今手机相机"远不只是记录传感器捕捉到的光线"，系统会根据算法推测更理想的画面，并重新构建图像。对很多用户而言，相册里的照片实际上已经是一种计算生成的结果。
6、
普通人想每年多存1万块，其实只需要每天少花27.4元。
订阅
微信搜索"我没有三颗心脏"或者扫描二维码，即可订阅。
