铃阅时讯
❌

阅读视图

DeepSeek-V4-Pro 正式版上线

原创 深度求索 2026-08-13 19:19 北京

Agent 能力大幅提升,API 价格更新调整

今天,我们发布 DeepSeek V4 Pro 正式版。

当前,DeepSeek V4 Pro 正式版已同步在 APP、网页端和 API 更新上线。用户可以通过 APP 或网页端选择“专家模式”使用全新的 V4 Pro 正式版模型, API 模型名不变,其他更新细节详见 DeepSeek API 官方接口文档。

Agent 能力大幅提升

正式版 DeepSeek V4 Pro 增强了 Agent 能力,在生产环境中的性能表现提升尤为显著。

*对于公开基准测试集中的 Code Agent 任务,DeepSeek-V4-Pro-0813 使用 DeepSeek Harness 极简模式作为框架进行测试(使用 max 档位,topp=0.95,temperature=1.0),其他框架下结果可能略有不同。

API 支持

原生支持 Responses API

DeepSeek API 现已原生支持 OpenAI Responses API 格式,并针对性适配 Codex。用户可以参考官方 API 文档:快速开始-接入 Agent 工具-Codex,通过一键配置脚本完成 Codex 的配置。

更灵活的思考强度控制

V4-Pro 和 V4-Flash 思考模式现支持 low / high / max 三档思考强度,用户在实际使用中可以根据任务复杂度灵活选择:简单任务使用 low,日常 Agent 任务使用 high,高度复杂的任务场景使用 max。设置方法请参考官方 API 文档:API 指南-思考模式。

API 定价调整

随着 DeepSeek V4 全系列模型正式版上线,我们将对 API 价格进行更新调整。为了更加合理地调配资源,我们将采用峰谷定价,闲时价格为高峰时段价格的一半,鼓励用户根据实际使用情况调整任务时间。新价格将于北京时间 2026 年 8 月 17 日 0 时开始生效。

跳转微信打开

  •  

海外SKILL实践:基于开发事件驱动的自动化协同提效!

原创 海外技术团队 2026-08-13 12:00 北京

海外SKILL提效实践,以本地原生开发动作为可信事件,集成转化为多系统管理操作,代替原需人工处理的多任务长周期跨系统操作。

核心内容:开发管理SKILL以本地原生开发动作为可信事件,附加本地持久化存储每个开发任务周期的关键信息,在一个开发窗口内将开发事件集成转化为多系统管理操作,自动化串联操作多个关键环节\系统形成全周期闭环。减少开发者人工在 PMS、飞书wiki、Email、GitLab、CI/CD、PaaS 与Release Management之间重复传递同一份上下文信息,将原需人工处理的长周期多任务跨系统操作,改为基于本地开发行为的AI自动化协同操作,提高研发效率。

面向谁

研发、测试与协同伙伴

解决什么

个人开发管理、进度流转、测试协同、发布交付与上线管理

实践载体

Git Hooks + Lark CLI + LLM CLI+ PMS + 飞书 + GitLab + 各交付平台


01#

 背景需求

为什么需要“开发事件驱动”

产研协作中编码之外的成本:研发需要先获取或者自建PMS开发单,切到IDE 建分支启动开发,同时更新PMS进度、飞书整理开发文档、通知测试\产品提测;随后在 GitLab 建 MR、等待 Review、合并分支、创建 Tag,触发自动化 CI/CD 、PaaS 部署结果、上线申请单更新·状态。长周期多任务跨系统操作把一个连续的开发流程拆成了多次繁琐操作。

在本地开发过程中,是否可以实现持久化记忆每个开发任务生命周期的内关键信息,并根据开发行为去自动化操作多个系统,流畅走完开发管理全流程?

1.1 开发行为中的高确定性事件

阶段

传统动作

常见损耗

可利用的开发信号

开始开发

建分支、 PMS 开发单维护

无开发单跟踪、关联困难、信息不一致、补单、状态断更

创建 feature/feat 分支

持续开发

commit、msg、PMS状态流转、群消息间同步进展

上下文切换、状态滞后、

消息同步延迟

commit、push

提测

改分级、部署测试环境、写文档、同步 PMS、通知测试

流程记忆成本高、协同遗漏

文档耗时

merge、自定义命令 “分支提测”与“合并测试”

评审与合并

创建 MR、填写说明、选择 Assignee/Review 接收人并通知

切换平台操作

merge request

自定义命令“合并主干”

交付上线

创建 Tag、触发构建镜像与部署、更新 PMS、查找并关闭上线申请

链路长、平台割裂、双重状态收尾易漏

Tag、自定义命令“分支上线”与“上线完成”

设计转变:从“开发者人工逐步操作”,转向“研发在本地交互命令”。可通过高确定性事件智能化代理负责跨系统编排,GitLab、飞书、Wiki、CI/CD、PaaS 根据分支、MR 和 Tag 事件继续执行;人只负责范围、Reviewer、合并与发布等关键环节确认。

1.2 三类场景价值

个人开发管理

  • 分支\PMS\Wiki 互相关联

  • 提交说明自动携带 PMS

  • 研发当前事项可查询、可追溯

进度跟踪

  • push 形成持续进度证据

  • PMS 状态随阶段动作变化

  • 代码、工单、文档形成链路

协同自动化

  • 提测与自动总结开发文档

  • MR/Review/Test 人员自动通知

  • Tag 触发交付,上线申请自动收口

02#

 SKILL落地实践

开发管理SKILL经过几十轮迭代后, 已从“feature 分支自动建 PMS 单”演进为本地研发协同入口:以开发分支生命周期为主线,本地开发任务周期上下文持久化记忆,把关联PMS开发单、进度同步、提测、文档、通知、合并请求、Review 协同、Tag及触发自动化交付部署、PMS 上线和上线申请完成串成一条可执行链路。它不替代 PMS、GitLab 或交付平台,而是在开发者所在的 IDE/Agent 窗口中统一承接意图、补齐上下文、调用系统,并触发下游流水线接力。

2.1 总体架构

架构上分为六层:本地开发行为是事件源;Hooks 与统一 CLI 是“一窗通办”入口;策略编排层负责映射、状态机、AI、确认与幂等;连接器层打通 PMS、飞书、GitLab、邮件与 Release-mgmt;本地状态层保存工单、文档与推送指纹;外部交付层根据 release 分支或 master/main Tag 触发测试环境、CI/CD 镜像交付/PaaS 部署,上线申请中心则在部署确认后由“上线完成”命令收口。

分层说明

层次

核心组件

职责

触发层

post-checkout、prepare-commit-msg、commit-msg、pre-push、交互 CLI

捕获低干扰、高确定性的开发事件

编排层

分支策略、映射管理、工作流 transition、AI profile、通知策略

把事件翻译为一组有顺序、可降级的动作

领域能力层

建/绑单、进度摘要、提测、代码追溯、MR/Review、Tag、PMS 上线、上线申请完成

覆盖从开始开发到交付收口的完整生命周期

适配层

pms-opt、lark-cli、GitLab API、release-mgmt API、exchange-mail、LLM CLI

复用认证与外部系统能力,隔离实现细节

状态层

branch-issue-map、branch-doc-map、processed-branches、push-sync-state

本地可追溯、去重、可恢复,不污染业务仓库

平台接力层

GitLab Pipeline、CI/CD、PaaS、上线申请中心

消费合并或 Tag 事件完成交付,并承载上线申请状态闭环

2.2 功能全景:以分支为开发事项载体

分类说明

能力域

自动化动作

关键策略

开始开发

更新 master/main、创建 feature 分支;自动建技术需求或绑定已有单

输入 PMS KEY/URL 时直接绑单,避免重复建单

提交治理

提交代码,MSG自动追加 [PMS ID];

缺失时提示、学习或按策略拦截

warn/enforce 可配置,兼顾规范与体验

进展同步

首次 push 仅PMS备注分支链接;

后续 push 按目录汇总文件和相关接口

签名去重,避免 PMS 被重复评论刷屏

AI总结

异步调用 cursor-agent/claude/llm/codex,

总结增量并追加评论;

超时、未登录、无 CLI 均不阻断 push

提测协同

按工单类型更新测试分级,逐步流转至已提测

可自选AI 异步总结开发文档;

产品需求与技术需求采用不同文档默认策略

AI 事项治理

识别 AI/Agent/Skill/MCP 等迭代,修正标题与模块

auto/manual 绑定采用不同 profile,保留原模块

文档与通知

生成/更新飞书开发文档,私聊通知测试工程师;

上线可发邮件

显式覆盖优先,交互动作保留人工确认

代码追溯

对选定代码段执行 git blame,

汇总提交人、开发分支与 PMS 链接

只读本地历史,不调用 PMS API;减少问题定位切换

合并与 Review

创建测试/主干 MR,自动带分支与 PMS 上下文并飞书通知 Assignee

创建前 dry-run 或二次确认;复用已有 opened MR

Tag 与交付

从 master/main 创建 Tag;

Tag 触发 CI/CD 与部署平台接力

Tag 名可由最近合并 MR 源分支生成;Skill 与流水线职责分层

上线完成

按 PMS KEY 查询关联上线申请,逐步推进至已完成/已上线,并飞书通知相关人

默认查询当前用户相关申请;通知申请发送人与上线前检查测试人员

2.3 端到端流程

这条链路强调“本地代理负责跨系统编排,平台流水线负责专业交付”。建单、进度、文档、MR、Tag、PMS 流转、上线申请推进和通知由 Skill 直接执行;测试环境、CI/CD 打镜像与交付、PaaS 部署则由 GitLab 分支或 Tag 事件触发。两段链路用稳定事件衔接,部署完成后再以 PMS KEY 反向关联上线申请,实现从触发交付到业务收口的闭环。

一个可复用的案例

  1. 开始:技术需求,研发执行“创建开发分支 intl-debug-agent”。工具先同步主干,再创建 feature/intl-debug-agent;post-checkout 自动创建 PMS 技术需求,并流转到“进行中”。

  2. 开发:prepare-commit-msg 将工单 KEY 追加到提交MSG;第一次 push 只在 PMS 评论中留下开发分支链接。

  3. 增量:后续 push 根据 SHA 区间生成结构化变更摘要,按目录列出 A/M/D 文件并识别接口路由;本地 LLM 在后台补充面向协作人的中文概述。

  4. 提测与环境:执行“分支提测”,工具更新测试分级、流转 PMS、生成或更新功能迭代文档并通知测试;随后“合并测试”创建到 release 的 MR,合并事件触发测试环境自动部署。

  5. Review 与合并:执行“合并主干”,工具自动补齐 PMS 上下文、选择 Assignee、展示 dry-run 并创建 MR;成功后飞书通知 Review 人员,已有同源同目标 MR 则直接复用。

  6. Tag 与交付:主干合并后执行“创建TAG”,工具从 master/main 打 Tag ;GitLab Tag 事件触发 CI/CD 打镜像与交付,后续由 PaaS 完成部署。

  7. PMS 上线:执行“分支上线”,工具逐步流转 PMS 至“已上线”,并按确认结果发送后端上线通知。

  8. 上线申请收口:确认部署与线上回测后执行“上线完成”。工具从分支映射取得 PMS KEY,在上线申请中心查询当前用户相关的申请,循环推进状态至“线上回测完成 / 已完成 / 已上线”,再飞书通知申请发送人与“上线前检查”测试人员。

2.4 Skill能力与平台接力

环节

Skill 直接完成

平台自动接力

人工控制点

开发管理

建分支、建/绑 PMS、补 KEY、同步 push 摘要

PMS 保存事项与状态

选择自动建单或绑定已有单

提测

分级与流转、文档、PMS 回写、测试通知、测试 MR

release 合并后部署测试环境

确认提测范围与目标分支

评审

创建/复用 MR、携带 PMS 上下文、通知 Assignee

GitLab 承载 Review、审批与合并

二次确认、Reviewer 审核与合并

发布

从主干创建 Tag、通知本人、流转 PMS

CI/CD 打镜像/交付,PaaS 部署

确认 Tag、上线范围与最终结果

发布收口

按 PMS KEY 查询关联申请、推进至完成状态、飞书通知申请人与上线前测试

上线申请中心保存流程节点与最终状态

确认部署及线上回测完成;Token 仅用于该命令

边界说明:“分支上线”负责 PMS 已上线与可选邮件;“上线完成”负责上线申请中心收口,二者是两个系统、两条状态链。“合并到测试分支触发测试部署”“master/main 打 Tag 触发 CI/CD、PaaS”仍依赖项目既有流水线。Skill 提供统一入口、可靠触发点与最终状态回写,不替代平台内部执行器。

03#

 核心设计思路

3.1 选择“高确定性事件”,而不是监听一切

分支创建、commit、push、提测、MR、合并和 Tag 都具有清晰语义,适合触发管理与交付自动化;写代码、切换文件、临时调试则噪声高,不适合作为管理信号。事件选择越克制,自动化越可信。

3.2 分支是主键,工单、文档和通知是外部投影

本地映射将“仓库名 + 分支名”关联到 PMS KEY 和飞书文档 URL,同时记录 auto/manual 来源。MR 描述、Assignee 通知、Tag message 和上线通知都可复用这份上下文;选定代码段还可通过 git blame 反向追溯提交、开发人、开发分支和 PMS。分支由此成为贯穿代码、管理与交付的关联主线。

3.3 工作流按“目标状态”导航,而非写死按钮

不同项目的 transition 按钮名称可能变化。PMS 优先匹配 transition 的目标状态 to.name,无法唯一匹配时再用按钮名称 hint 兜底;提测和上线支持最多 20 步的逐级流转。上线申请中心同样按目标状态关键词判断是否完成,未完成时逐次调用下一步,而不是假设一次请求即可跨越所有节点。两个状态机采用统一的“读当前状态—执行合法动作—再次确认”模式。

3.4 自动化必须幂等、可降级、可关闭

幂等与去重

  • 同标题工单查重

  • processed-branches 防重复弹框

  • push SHA 签名防重复评论

  • 飞书通知使用幂等键

降级与开关

  • 字段被 Jira 拒绝时最多三次剔除重试

  • AI、同步评论、文档、通知均可独立关闭

  • 外围失败记日志,不阻断 Git 主链路

  • dry-run 先预览后执行

3.5 AI 只处理“理解与表达”,规则处理“确定性动作”

是否建单、绑定关系、状态流转、字段写入、去重签名都由规则驱动;AI 用于判断是否属于智能功能迭代、概括变更、生成文档。即使模型不可用,确定性流程仍然成立。这种边界能降低幻觉风险,也便于审计。

3.6 用事件契约连接系统,而不是把系统揉成一个脚本

Skill 负责生成可靠的分支、MR 和 Tag 事件,并把 PMS KEY、开发分支和操作人等上下文写入对应载体;GitLab、CI/CD、PaaS 按各自既有职责消费事件。这样的事件契约使链路可替换、可测试、可独立演进:更换部署平台时不需要重写开发管理逻辑,调整 PMS 工作流时也不会侵入镜像交付流程。

3.7 高影响写操作必须有确认门

自动化不等于取消责任边界。创建 MR 和 Tag 默认要求 dry-run 或二次确认;--no-prompt 不能单独构成授权,自动执行还必须显式传入 --yes。Review、合并和正式发布继续由责任人决策,代理只减少信息搬运与机械点击。

04#

 方案优势

优势

体现

对产研的价值

一窗通办

在 IDE/Agent 窗口发出开发、提测、合并、Tag、上线意图

显著减少 PMS、飞书、GitLab 与部署平台来回切换

全链路可追溯

代码、分支、PMS、文档、MR、Tag 与部署事件相互关联

跨时区协作时减少口头同步依赖

自动与人工兼容

自动建单、手工绑单、显式覆盖、交互确认并存

适配产品驱动和研发驱动的不同团队

稳定优先

异步 AI、失败不阻断、字段降级、签名去重

外围系统波动不影响研发交付

职责解耦

Skill 负责编排,GitLab/CI/CD/PaaS 负责专业执行

跨系统演进互不绑死

双状态闭环

PMS“已上线”与上线申请“已完成”分别流转、统一入口操作

避免部署结束后遗漏管理收尾,测试与申请人及时获知结果

策略可配置

项目、事项类型、模块、人员、分支、Review 与通知均配置化

可复制到不同国家、业务线和工作流

单一真源

全局 skill + hooks 软链/复制,clone 后自动补装

升级集中、团队行为一致

本质收益:不是“少点几次按钮”,而是让一次本地开发意图同时成为管理信号、协同信号和交付信号,使个人不漏项、负责人看得到、Reviewer 与测试接得住、发布平台能继续执行且上线申请有明确终态。

05#

 落地原则与结语

适合自动化

  • PMS 字段、状态与文档同步

  • MR/Tag 参数组装与通知

  • 分支/Tag 触发平台流水线

  • 结果可验证、失败可重试

人工审核决策

  • 事项范围、目标分支与 Reviewer

  • MR 合并与正式 Tag 确认

  • 异常流程、回滚与权限变更

  • 模型结论和上线结果的最终采信

开发管理SKILL经过多轮迭代试用,通过实践验证以本地原生开发行为作为可信事件,附加本地持久化存储开发生命周期的关键信息,可将开发事件集成转化为多系统管理操作,自动化协同操作多个系统形成完美闭环,将研发同学从多任务长周期跨系统的繁琐操作中解脱出来;

最终目标:开发者专心在本地开发(一个窗口交互),本地开发任务全周期跟踪持久化记忆,Agent自动代理完成跨系统录入、流转、整理与通知;基础平台根据分支、MR 和 Tag 自动完成测试与发布,让产研协作从“人工记忆串联系统”升级为“事件驱动、平台接力、全程可追溯”。

海外Agent实践:让问题直达源码,助力团队提效!

爱奇艺AI驱动漏洞闭环治理:让安全发现更智能、修复闭环更高效

爱奇艺大数据混合云存储

纳逗Pro全链路赋能、专项免费算力支持!爱奇艺AI影视创作营第二期来了

AI 时代的质量门禁左移:Agentic Quality Engineering 架构与落地模板

跳转微信打开

  •  

独家对话英伟达刘洺堉:黄仁勋影响我的,你不需要击败所有对手

原创 张小珺 2026-08-13 11:33 上海

Cosmos、世界模型与中国武术。

作者:张小珺

每次见到刘洺堉,他都穿一件黑色夹克,背着一个有点旧的斜挎包。

现任英伟达研究副总裁的刘洺堉,是英伟达第一位从研究员擢升至副总裁之位的管理者,他领导英伟达最重要的模型项目之一——世界基座模型Cosmos。

刘出生于中国台湾,是金庸小说爱好者。18岁起,刘洺堉就师从著名的武术家徐纪(神枪李书文一脉传人),练习中国功夫,一直至今。最近他又有了一个ice plunge(冰水浴)的新嗜好。凌晨4点多,刘洺堉起床后会依惯例进行武术训练:一个人蹲桩、打拳。做完全套后,再只身跳进冰桶,帮助身体修复。

这种锻炼习惯与我对刘洺堉的印象截然不同——他看起来谦和,说话音量也不大。“中国武术最重要的是控制自己。”刘洺堉说,“我并不是为了展现强大的破坏能力。”

某种程度上,这反映了他以及他所代表的英伟达这样巨型的基础设施型企业的竞争观。

访谈中,他反复强调,他没有任何竞争对手,他没有和任何人竞争,所有人都可以是合作伙伴。

“什么叫战争呢?我没有打算把别人杀死。”刘洺堉说,“我们的心态不是说想把别人给杀死,我们的心态是我们要怎么去造市场。你懂我意思吗?”

“Jensen(英伟达创始人兼CEO黄仁勋)经常说,要造市场,而不是存量竞争。他讲我们就要做zero-billion-dollar business(从零到十亿美元的业务)——你可以不赚钱,但当这个生意成功的时候,必须是很influential(有影响力)的。不能说满足每年赚100个million(1个亿)——这种scale(规模)对很多公司都很大,但对英伟达而言,这是一个distraction(分心)。”刘接着说,“你要去解最重要的问题,产生最大的贡献。”

英伟达正在“造”的市场,即面向物理世界的人工智能(Physical AI),世界基座模型Cosmos被寄予厚望。这个项目从2024年立项,经过两年多已发布至Cosmos 3。Cosmos直属团队不到100人,虚线汇报规模是200至300人。黄仁勋对刘洺堉表达战略决心,称:“你就做到Cosmos 97。”

如今,刘洺堉已在美国生活20年,在英伟达工作10年,他仍然用一些朴素的东方智慧进行技术表达——比如,他把大模型比作中医,时常援引《孙子兵法》“备多则力寡”来思考世界模型的技术趋势。

本次访谈,我们详细地聊了聊Cosmos系列(尤其是前不久发布的Cosmos 3)、世界模型、物理世界的人工智能、英伟达的竞争观、组织哲学,当然还有绕不开的黄仁勋。

完整版可以收看我们的视频播客,你可以在小宇宙、Bilibili、小红书、抖音、视频号等全平台收看。

以下为访谈节选。

01 

谈竞争

“我没有打算把别人杀死”


张小珺:你说,“模型竞争不应该是鱿鱼游戏”(《鱿鱼游戏》,比喻零和生存竞争)。你指的是,大模型竞争不是鱿鱼游戏,还是世界模型竞争不是鱿鱼游戏,还是说,只是对于你来说不是鱿鱼游戏?

刘洺堉:如果大家想解的东西一模一样,那就是鱿鱼游戏。模型竞争不应该是鱿鱼游戏。世界上要被解的问题这么多,可以提供价值的东西这么多,每个人喜欢的东西又不太一样。我觉得不应该把它看成鱿鱼游戏。

张小珺:每个公司都需要训一个自己的大模型吗?

刘洺堉:如果是commodity(通用商品),你每家公司要建电厂吗?就看合不合经济效用。早期你要做汽车工厂,当电厂不充裕的时候,你盖个电厂,可以确保你公司是24小时运行。但现在这时代,你可能不需要了。

AI开发者每个都觉得我的模型最好。我觉得这东西在历史上从来没发生过。因为人跟人相处没那么容易的。你看当初Dario Amodei(Anthropic创始人)跟Sam Altman(OpenAI CEO)就是合不来,对吧?他就走了。你确定在Anthropic每个人的信念都一模一样?我不觉得。莫非哪天你升了A不升了B,B会不会带一群人走,去做个类似的东西?

大家都能做,你有决心、有资源,你是可以做的。

张小珺:模型这场竞赛的终局可能是什么样?

刘洺堉:我讲这就很controversial(有争议)。模型的能力慢慢会统一,靠模型自己不会是区分,一定要靠一些其他东西组织在一起。

领先的模型有更充裕的时间找到这个区分方式,强大的公司也可以加大自己强大的ecosystem(生态系统),来做出一些变化。

像Software(软件)刚出来,会写Software的公司很少,现在大家都会写Software,现在能活下来的Software公司都有自己的区分方式。没有理由模型会是不一样,我觉得会是一样。

张小珺:在你看来,没必要神话模型或模型公司是吗?

刘洺堉:我把它当成中医啊。就是一个Black box(黑箱),这么多人不同尝试,之后就是一套学问,很多人都会从医嘛。关键是你要拿它干什么。

有些人解读比较深一点,有些人需要多一点时间。这是我的臆测。我觉得这些东西慢慢会diffuse(扩散)。

张小珺:对于你们来说,Cosmos所在的世界模型战场,是一场不能输的战争吗?

刘洺堉:如果有其他公司也做开源模型,就不是。什么叫战争呢?我没有打算把别人杀死。

张小珺:就是,我必须要own(主导)这个赛道,其他人长在我的生态上面。

刘洺堉:Physical AI(物理人工智能)是一个重大市场。现在家家户户都没有机器人,如果有机器人的话,我家可能会买两三个,每个机器人需要算力,等于整个世界对算力的需求大幅增长。这个事情如果发生,对NVIDIA是巨大好处。

我们的心态不是说想把别人给杀死,我们的心态是我们要怎么去造市场。你懂我意思吗?

CUDA(英伟达的并行计算平台和编程模型)就是造市场,造出了现在的AI市场。我们想的是怎么造出下一个大市场。

张小珺:那世界模型是不能输的战场吗?

刘洺堉:我觉得也不是,因为是全新的东西。我没有跟任何人竞争。

共利嘛——带着大家一起把那个市场建出来。你卖机器人赚钱,你做卡也赚钱,当然会有公司研发芯片,也会赚钱。整个市场就起来,原本是nothing(什么都没有)。

Jensen经常说,要造市场,而不是存量竞争。他讲我们就要做zero-billion-dollar business(从零到十亿美元的业务)。什么叫zero-billion-dollar business?就是现在不是个business(业务),但以后成功会变成billion(十亿美元级)。如果现在已经有人在做,可能就不值得做。

我们做东西需要make impact(产生影响)。Jensen喜欢zero-billion-dollar business——你可以不赚钱,但当这个生意成功的时候,必须是很influential(有影响力)的。不能说满足每年赚100个million(1个亿)。这种scale(规模)对很多公司都很大,但对英伟达而言,这是一个distraction(分心)。

你要去解最重要的问题,产生最大的贡献。

张小珺:这是一种拥抱风险,还是一种de-risk(降低风险)?

刘洺堉:我们做事的方法很risky(有风险)。CUDA那时候是很risky的一件事,等于赔本在卖。我们因为装了CUDA,整个GPU价格都比别人高,同样的Flops(浮点运算次数)就是比别人高,因为我们要支援programmability(可编程性)。

不做这件事,你的东西就渐渐变commodity(通用商品)。

02

谈边界

“希望具备number one的能力,但做出对世界贡献最大的事情”


张小珺:在英伟达从一名研究员升至VP,这个多见吗?

刘洺堉:我可能是第一个吧。

张小珺:你在英伟达的职位是“研究副总裁”,能不能给大家介绍一下这个职位、团队和管辖范围?

刘洺堉:我现在是研究副总裁,也是Cosmos Lab副总裁。我们团队由研究员和工程师组成,直属我这的有八九十人。

另外还有其他团队也在做Cosmos,英文叫dotted line(虚线)。虽然他们不直接向我汇报,但我是整个mission的overall pic(任务的总负责人),是发号施令的人。

整个做Cosmos的应该有200到300人之间。这是在英伟达很重大的一个专案。

张小珺:研究员和管理者的天性,某种程度是相悖的。你在成为管理者的道路上,有没有抑制一部分研究员的天性,带着镣铐跳舞?

刘洺堉:我还是一个研究员。常常读论文。我最担心在成为管理者的历程中跟底层脱钩,不理解问题核心所在。我会强迫自己审阅(review)代码,读paper,跟大家辩论,来确保方向是对的。

跟我共事的人都知道,我可能是少数还继续看代码的VP,继续会纠细节。我只是希望自己一直stay grounded(脚踏实地),看清楚一切。

张小珺:做出Sora的研究员之前就在你的团队实习。我听说Sora没有出自你的团队,让你很遗憾,是吗?

刘洺堉:也不是遗憾,我感到很开心,自己曾经一起共事过的人可以做出这么大贡献。

但一方面也会反思,我的决策中,哪些地方我没有看对,导致我没有在正确的时期做出正确的事情?——我是一个很喜欢自我反省的人,往往会试图理解怎么样让自己更好。

张小珺:说到Sora,为什么OpenAI后来把这条产品线基本上关掉了?

刘洺堉:Sora是一个重大的研究工作,它本身有许多应用。OpenAI是一个很有野心的公司,他们有大量人才。Sam Altman从他早期在Y Combinator就是一个投资者,他希望有这种投资者心态,希望公司内部有各式各样的project,有些project非常成功,有各式各样的portfolio。

过去一年,他们受到Anthropic巨大的竞争压力。他们看到Anthropic在Coding Agent上产生了巨大的经济效益,跟ChatGPT聊天产生的token数可能最多1分钟就生成完了,但Coding Agent可以工作24小时、48小时,这个token量非常大。他们觉得这是一个很好的方向,集中公司精力往Coding方向走。

《孙子兵法》讲“备多则力寡”。大家的资源是有限的,他们重新调整资源往Coding发展。

我不觉得他们认为Sora不是一个好的work,只是在这个时间点,他们公司有更重要的事必须要做,必须做出一个不容易的决定。

张小珺:像Anthropic、OpenAI这种前沿实验室,做研究天经地义,这就是他们的产品;但英伟达是基础设施公司,我卖算力给这些公司、实验室就好了,为什么还要自己做研究?

刘洺堉:基础设施要做得好,“做得好”的定义是适合应用公司来用。如果你自己不做这些应用,根本不能理解他们需要的。所以要去走他们可能会走的路,从中理解。

设计芯片、设计电脑架构的周期很长,不能马上改,需要很长一段时间规划。你要做这方面的研究,去理解什么是重要问题要解,才能设计出更好的芯片、更好的infrastructure(基础设施),来满足AI大公司。

我总觉得,如果每个有理想、有抱负的人都有这个工具,可以做出他们想做的事,这世界会是一个更好的世界。一方面看到OpenAI、Anthropic,还有中国几家大公司做出的突破,非常开心。但我们这个社会有源源不断有抱负的年轻人,我们也希望他们有机会。这是英伟达做开源模型的原因。

张小珺:你们的研究成果会跟客户有竞争关系吗?

刘洺堉:我们做这些,尤其是开源模型,基本是免费,放在网络让大家都可以运用。实际真正要落地、满足客户需求,还有很多东西要做。尤其在具身领域,好多硬件、商业问题必须要解。

我们给community(社区)一个讯号:我们从1代做到2代、2.5代、3代,这样一代代做下去,让大家更加预期英伟达在这会一直投资、进步。大家有这个信心,就可以把资源投在更重要的刀口上,做出重大贡献。

再有钱的公司,资源都是有限的。具身这么难,这么多东西要解,我们做出这些模型帮助他们分担部分压力——我不觉得在竞争,是帮助大家成功。

张小珺:你作为一个研究员,本能想做出number one(第一)的模型;而因为英伟达本身业务的原因,它不想成为客户强劲的竞争对手。如果两者发生了冲突的话,你会选择哪个?

刘洺堉:科学发展本身就是incremental(渐进式的),一直在进步,你随时随地都可以提出improvement(改进),往上再走一步。我觉得be the absolute number one(成为绝对的第一),什么叫number one?这很难去定义。我比较喜欢说是一个frontier(前沿)的模型吧。frontier的模型做出来的那一刻是number one,很有成就感,但之后就会有其他的模型可以做上去。

我是希望,你具备做number one模型的能力,但是做出对社会影响最大、最有贡献的事情。你可以做出number one的模型,但你只给少部分人用,或者让权力过度集中在少部分人手里,产生不平衡状态,不见得是一件对的事。

我是希望具备number one的能力,但做出对世界贡献最大的事情。

03

谈Cosmos

“我问Jensen要不要继续往下做,他说,你就做到Cosmos 97”


张小珺:你接下来长达10年,也许重中之重的一个课题就是世界基座模型Cosmos?

刘洺堉:对,我们整个组只有一个project(项目),就是Cosmos。做完Cosmos 1,我问Jensen要不要继续往下做,他跟我说:“你就做到Cosmos 97。”

我现在才做到3,所以还有94代可以走。

张小珺:为什么不是100,是97?

刘洺堉:数字是随口说说,但他的决心展现在数字上面。他认为这是一个重要方向,希望我们可以继续专注,去做Physical AI的foundation(基座),帮助整个领域往下走。

张小珺:为什么你们当时要立一个非常重要的项目,没有选择最主流的大语言模型,也没有选择像Sora这样的多模态模型,而是选择了具身的世界模型?

刘洺堉:大语言模型在当时发展得非常好了。我的背景不是大语言模型,是Computer Vision(计算机视觉)出身,自然而然一直在media、video徘徊。跟着我一起合作的伙伴也都是类似背景,背景决定了自己的道路。

NVIDIA也有大语言模型团队,Nemotron也越做越好,我这边主要想解一些更适合我来解的问题。

Sora当初出来也是一个World Simulator(世界模拟器),但那时主要应用偏创作,创作非常有趣,每个人都希望用更好的方式讲故事、呈现想法,就是具象化,帮大家理解看到的世界,这是很好的应用。

但那时我们也看到,Digital AI(数字人工智能)发展极快,同时社会很多问题需要physical tool(物理工具)满足。

比如,人年纪大就没法开车,生活品质降低很多,如果有自动车,年纪大的人还是可以有mobility(行动能力)。还有很多工作非常劳力密集、非常危险,如果有Physical AI的robot(机器人)可以帮忙做,可以改善人的生活。家里总是一堆琐事,要收碗筷、整理,不见得是你在家最想做的,有机器人可以帮忙,提升人的生活品质。

我们看到World Model(世界模型)可以对Physical AI产生贡献,就往Physical AI方向走,而不是走Content Creation(内容创作)路线。

张小珺:你在个人主页上说,你一直被一个愿景驱动,就是“为机器人构建一个黑客帝国”。能不能阐释一下这个愿景?

刘洺堉:我认为世界模型可以帮助Embodied AI(具身智能)做到generalization(泛化)。任何AI要解的问题都是泛化问题:能不能在训练数据之外也表现得很好?在coding(编程)、chat(聊天)里,都是训练模型去解它没看过的东西,变得像人一样。

Physical AI也不例外,要解的就是泛化。在Cosmos,我们想从三个点来帮忙:1、提供更好的数据;2、提供更好的起始点;3、提供更好的环境。

数据方面,你可以用生成数据,也就是synthetic data(合成数据)。数据是帮助AI模型更泛化的关键。你可以想象真实世界看到的数据只有这么多点,你能不能生成一些你需要看到、但真实世界没采集到的数据?这是更好的数据。

进一步,如果你可以训练出一个好的世界模型,它理解世界怎么运作、能预测未来发生什么事,那它本身的representation(表示)就不错,可以给Physical AI的Policy Model(策略模型)提供一个更好的bootstrap(自举初始化),从里面衍生你想要的policy(策略)。这是更好的起始点。

第三,人怎么在物理世界学习?只有实验、跟环境交互。但跟真实环境交互往往很贵,能累计的经验、时间有限。如果你可以用《黑客帝国》的Matrix(矩阵)方式,同时产生多个真实无比的环境,跟它交互、获得讯号,你就可以学得很快。这就是更好的环境。

三个里面,最具挑战的是更好的环境。我总不想在网页写得太长、像一篇essay(文章),所以用“黑客帝国”这个说法。

张小珺:Cosmos在内部具体是怎么立项的?

刘洺堉:大概2024年3月决定要做,就是在Sora(OpenAI的视频生成模型)之后。

张小珺:说服Jensen的过程难吗?

刘洺堉:那时已经不难了,之前要说服比较难,看到Sora之后就不难。他很聪明,一看就知道这东西对公司的影响。

他很有纪律。有些东西即使很重要,他也会叫你“pace your steps”(放慢脚步),让你不要急。他擅长打马拉松战,会一步一步往目标前进。

张小珺:为什么之前时机还没到?

刘洺堉:First mover advantage(先发优势)有好处,但每家公司定位不同,取决于你想解什么问题、怎么获利。我没有足够资讯来判断。但你看现在很多家公司都做得很好,做Video Generation(视频生成)最赚钱的应该是字节Seedance。所以这个轨迹很难说。到Sora的时候,我们觉得时机到了。

Jensen叫我们想名字。我那时已经知道最后他会提出更好的名字,有点拒绝,不想浪费力气想。但他坚持要我去想。我觉得有道理,因为这个名词跟产品定位相关。

你看我们叫Cosmos,是一个宇宙。

我们的目标不是产生content(内容)、不是为了创作,而是为了解物理世界的问题,慢慢往Physical AI前进。

那时已经陆陆续续看得出来,Physical AI会是下一个revolution(革命)。这是刚需:每个人都会老化,每个地方都缺劳动力,每个人都想提升生活品质。

另一方面,media(媒体)是走developer market(开发者市场),帮助开发者做出更好的产品。我们自己不会经营社群网站,也不会经营创作工具。对英伟达来说,那有点太to C(面向消费者)了。所以,我们决定要做一个为了Physical AI的世界模型,服务Physical AI这个community(社群)。

张小珺:今天大家对世界模型的定义还非常不清晰,你跟我们讲讲你对世界模型的定义吧。

刘洺堉:我是个很讲究实用性的人。人为什么会设计一个模型?因为它可以用。用法不同,模型形态就不同。

一种是为了预测:你设计一个模型来描述世界,经由这个模型predict(预测)接下来会发生什么事情。这是世界模型的一种目的。

另一种是为了understanding(理解):为什么这事情发生了?某种程度,整个物理学就是去建世界模型,从牛顿力学到量子力学,去了解世界怎么运作。

当然在Deep Learning(深度学习)里,我们把understanding变成用标注数据去教模型:这件事这样发生是因为那件事。然后用大量数据去泛化,帮助未来新的事件发生时,你经由看到的video(视频)讯号去解释,帮助人理解发生了什么。比如工厂里产线突然卡住,可能是之前某个工人忘记打开什么。这也是建世界模型的目的:为了理解发生的事、找到问题。

还有一种是重建三维世界:重建很有用,可以规划路线,可以让人虽然身不在这个真实世界,却在虚拟状态下游历这个世界。

因为用途不同,模型的形态长得不一样。但大家终究是在同一个世界,这些模型只是经由不同观察来描述同一件事。重建是很重要的学问,我以前做过,但现在已经不再做重建了。我现在主要做物理世界的understanding,以及物理世界的生成,也就是prediction这些。

张小珺:现在定义什么叫World Model(世界模型),就像几年前大家定义什么叫AGI(通用人工智能)一样,没有共同定义。

刘洺堉:对。有没有精确定义不是很重要。这个词太大、过于笼统,定义出来对人类有什么影响?

张小珺:为什么LLM(大型语言模型)是一个精确的词?

刘洺堉:LLM就是large language model,模型很大、做language,很明确。

世界模型就是一个可以帮助你去model(建模)这个世界的工具。因为用途不同,你model世界的方式就不一样。只要对这个世界、对这个模型有不同用途,就有不同定义。

张小珺:在你看来,世界模型能够描述Cosmos吗?还是有一个更精确的名称来描述你在做的事?

刘洺堉:我们一开始把Cosmos叫做world Foundation Model(世界基础模型)。

我们的目标是建立一个foundation,让大家都能建出适合他们要用的世界模型。我们把自己叫Foundation Model,希望我们是更底层的东西,满足大家。哪怕是一个要做世界模型的人,也可以基于我们的Foundation Model来做。

张小珺:英伟达同时也投资了Yann LeCun的AMI Labs和李飞飞的World Labs,他们都在做世界模型,你们之间是竞争对手吗?

刘洺堉:NVIDIA是站在enabler(赋能者)的角度。我们希望所有在NVIDIA GPU ecosystem(生态系统)上建立的公司都能成功,大家一起win win(共赢)。

每家公司看到的点不太一样,想解的问题也不一样。Fei-Fei的World Lab和Yann LeCun的AMI走不一样的路线,我们都帮助他们,也投资他们,跟他们有合作。

如果他们对我们的Cosmos有兴趣,也可以利用。其他家公司需要世界模型,但可能不像Fei-Fei或Yann LeCun资金雄厚,他们更需要帮助,可以leverage(利用)Cosmos。我们的目标是帮助整个领域成功。

张小珺:所以你们有竞争对手吗?

刘洺堉:我觉得NVIDIA的竞争对手,是跟NVIDIA做同样事情的公司,也就是去做整套AI ecosystem的公司。但我现在做Cosmos,是不想竞争对手的。我想的是怎么去帮助这个ecosystem。

在NVIDIA ecosystem里,用我们GPU、用我们运算平台、用我们软件的公司,如果都成功了,NVIDIA就会成功。这也会帮一些还没在我们ecosystem里的人产生信心。

我已经过了那个时期——为了毕业把论文发出去,非要证明我的算法比别人好——我现在目标就是帮助这个领域一起往下走。

04

谈Cosmos 3

“当Louis Vuitton减少陈列的货品数,反而sales提升了”


张小珺:从Cosmos 1到Cosmos 3经历了非常多的技术变化,在你们最早的两代Cosmos中,有没有积累一些know-how(诀窍/经验)?

刘洺堉:有。这是去年的工作,步调很快。开始做Cosmos时,我强调一个点:迭代快速。我那时深受DeepSeek影响,它是很惊人的公司,一年内迭代三次,产生DeepSeek V3。所以我一直强调迭代速度要快。

但我们挑战的题目是物理世界模型,尤其在2024年,大家还不是很清楚怎么样的世界模型对大家有帮助。我刚才讲的不外乎就是prediction或understanding:用video model去帮助predict future,用reasoning model去解释发生的事。

一开始我们跟一些伙伴合作,理解他们的需求,自己也有一些想法,做出这些模型,再跟伙伴迭代,慢慢收敛。从Predict未来,想到仿真环境是大家常用的环境,但它生成的video跟真实世界有一定差距,能不能用模型帮助它更逼真?于是做了Transfer(迁移)。为了解释发生的事,做了Reason(推理)。当时有三个方向。

后来理解到,如果你可以描述pixel(像素)是怎么变化,那这个pixel变化跟action(动作)变化很接近,所以我们做了一个叫Cosmos Policy的Policy Model。

再后来发觉,就像刚才讲的,这是同一个世界,不管从哪个角度看,model的都是同一个世界。模型就是在学一个internal representation of the world(世界的内在表示),也就是这个世界在做压缩过程中,学到怎么样的表示方式。

既然是同一个东西,那Foundation Model的核心概念是“纳百川”,可以从各式各样的data(数据)里学会这个模式。所以如果你把train(训练)Reasoning、Predict、Transfer、Policy用的data全部合在一起,模型的上限更高。

第一个,你描述同一个世界;第二个,Foundation Model把东西合在一起。所以我们就慢慢往单一模型走。

中间还有一个执行上的问题。我记得建第一版Cosmos时,自己算一算,因为要真的帮助到合作伙伴,我可能需要模型A、B、C、D、E、F、G…大概需要22个模型。

我跟Jensen开会讲,预计需要22个模型。Jensen觉得我工作非常认真,说“very good and very hard”。

但他又说:你知道吗?Louis Vuitton(路易威登)这家店,当它减少陈列的货品数之后,反而sales(销量)提升了。你不希望太多东西困惑消费者,让他没办法做决定。

那对我影响很大。

我理解了:连我自己都分不清楚要用A还是B,其他人更不清楚。再加上执行困难,每个模型出来都要维护、要解决问题。模型一多就很辛苦,备多则力寡,影响迭代速度。

在做Cosmos 2的同时就觉得这样不长久,决定要做单一模型的World Model,也就是Cosmos 3。

张小珺:最大变化发生在Cosmos 2到Cosmos 3。

刘洺堉:是的。Cosmos 1到Cosmos 2的变化主要是数据提升,还有一些变化,比如Cosmos 2的时候把parity(一致性)带进来。但我觉得Cosmos 2到Cosmos 3是一个很大gap(差距)。

Cosmos 3从去年10月开始做,刚好在Cosmos 2发布之后。更早的时候就知道必须做3,但那时还在收尾Cosmos 2.5。等2.5收尾之后才开始做3。大概是9月决定要做,真正执行是10月、11月,做了超过半年。

张小珺:一个中国做世界模型的创业者说,他看Cosmos 3论文看了一周,每天看。他觉得Cosmos 3在技术的大创新上并不多,但把很多细节都工程验证出来了。你觉得这个评价中肯吗?

刘洺堉:Mixture-of-Transformers(混合Transformer架构)之前也有人提出,Parity Model(一致性模型)之前也有人提出。我们是第一个把这个Mixture-of-Transformers scale(规模化)到这么大,把audio、video、action都合在一起。这些东西从概念上来讲就是“合在一起”,但真正做出来不容易,真正做出来就是这些细节。

所有的大语言模型都是Transformer架构,你可以讲大家都没有创新,但那些细节会让某些模型比另外一些好很多。

这么多年后,我越来越重视这东西能产生的效果,越来越不重视它是不是革命性原创。对我来讲,它有用、产生impact(影响力)、解掉大家想解的问题,才是重点。

这篇paper我们希望帮助整个开源社区,做开源模型,帮助整个Physical AI。这几年很多Frontier Lab(前沿实验室)走向闭源,即使写paper也不愿意讲关键环节。我们决定走不一样的路:把能讲的东西尽量讲清楚,开源模型,也开源训练框架,部分训练data也开源了。

我们希望保持透明,让大家看到怎么做,也希望别人可以利用我们开源的东西,做出跟Cosmos类似的东西。我们的目标就是enable(赋能)整个community。我不担心别人做出一模一样的东西。

张小珺:你刚刚提到DeepSeek,选择开源跟它有关系吗?

刘洺堉:不算直接关系。DeepSeek的工作对整个AI影响深远。它第一个把MoE开源,最近的模型又把东西逼到极致,对整个领域产生深远影响。从影响的角度,我觉得是相通的:我们也想产生影响,把细节讲出来。

我们的目标可能跟DeepSeek不一样,我们希望帮助我们的使用者成功。

张小珺:在Cosmos 3的模型技术选择上,你们首先在输入层同时输入language、video、audio和action,这是一个重要的技术决策吗?

刘洺堉:是。我觉得这个世界不是只有视觉,也有听觉。我也想加入触觉,但触觉讯号还不好,touch sensor(触觉传感器)还在快速迭代,这需要灵巧手,需要数据。

大模型思路基本有两个:一个是让language成为first class citizen(一等公民),像coding、chat那样;另一个是让video成为first class citizen(一等公民),像Seedance、Veo(Google的视频生成模型)那样。我们认为Physical AI的模型跟数字世界模型最不一样的地方,就是物理世界的Agent(智能体)会take action(采取行动),会改变世界状态。

所以一个好的物理世界Foundation Model,也要把action当成first class citizen。这就是为什么我们把language、video、audio和action合在一起,建Cosmos 3。

张小珺:我记得杨植麟(Kimi创始人兼CEO)去年跟我说,他们做大语言模型把language当作最重要的智能提升工具,会很担心vision加入进来影响智商,变成一个“傻的多模态”。但谢赛宁(AMI Labs联合创始人兼首席科学官)今年又跟我说,他担心language对vision的污染,觉得language才是人类的脚手架,并不本质。

你怎么看待这两种观念?你把它们都训到一起时,会产生相互污染的问题吗?

刘洺堉:这些讯号带进来都有它们的目的。language可以把人类知识带进来,也帮助人类跟Physical AI沟通;video是大量视觉信息,audio是大量听觉信息,描述世界怎么运作,用video可以更精准capture(捕捉)这个世界的物理运作,用language反而很难。

但模型最后建出来是要服务人的,不懂language就没办法跟人沟通;模型最后是帮助机器take action的,不懂action就没办法改变世界。

我们的目的不同。我的目的是希望这成为一个好的Foundation Model for Physical AI,它需要懂language,需要知道东西怎么变动,也需要action,借由这个control(控制)把它们合在一起做。

我的目标不是追求AGI。AGI本身也很难定义;当你定义的AGI纯粹是要了解人类本质,或者去做coding时,视觉信号可能会影响你,那是必然的。

你可以讲,遥远的古代没有language,人类文明发展是经由看世界怎么变动而产生。language毕竟是发展给人类的,但你不知道机器接不接受这一套。也许你可以直接从video讯号里学会世界怎么运作,得到一种intelligence(智能),发展出另一个文明。从这个角度,language讯号也许是一种干扰。所以要看你要什么。

我很明确知道我要什么:我需要language让人可以跟Physical AI沟通,需要video和audio从物理世界的变化里学会物理本质,需要action是因为它最后要能fulfill a goal(完成目标)去改变世界。

张小珺:所有模态融合到一起,这些模态是相互benefits(受益)的,还是相互制约的?

刘洺堉:在过去一年甚至更久,我们一直在研究这些模态的融合。从各个不同研究里得到一些线索,在Cosmos 3时把它们结合在一起。

比如在Cosmos Policy那篇工作中,我们发觉把video和action合在一起是帮助action的。当你直接predict action,也就是做world action model(世界动作模型)时,除了predict要做什么action,也predict take这个action之后会产生的state(状态)、observation(观测),会帮助你训练得更熟练。所以我们知道predict video是帮助action的。

audio也可以帮助video generation。当你知道“咔”一声,碰到的点就是接触的时间点,所以audio和video是互补的。

一般做video的人都知道,从text到video是讯息量变大的过程,需求变大,代表有很多种可能性,方差大就不好学。所以大家会发现,当文字描述非常详尽时,比较容易产生好的video。所以language也可以帮助video。

Cosmos 3想把之前的Cosmos Reason、Cosmos Predict、Cosmos Transfer、Cosmos Policy合在一起。合在一起本身就有好处,整个东西都简化了。这些讯号怎么合在一起,让它产生互补而不是互相抗拒,可以经由experiment design(实验设计)和data ratio(数据比例)的调整来达到。我们那时候坚信这一点。

这些信号都是描述同一个世界,都含有这个世界怎么运作的信息。应该有一种方式让它们合在一起,互相帮助,更多的信息能帮助你了解背后的运作原理是什么。因为这样的信念,我们就从这个方向出发。

张小珺:这里面有什么secret sauce(秘密配方)吗?尤其是在互相受益上。

刘洺堉:做大模型没什么秘密配方。就是严格做实验,根据假设做实验,看到结果,累积知识,再做下一个实验,一步一步扎实地往下走。我不觉得有什么不可告人的秘密,关键在于你追求的是什么,然后耐心做实验、验证,对了就继续下一步。

张小珺:你们这次采取的是一个双塔(tower)设计,一个塔在处理离散信息,一个塔在处理连续信息,为什么采取这个设计?

刘洺堉:有很多原因。一开始,Cosmos Reasoning(推理模型)就是离散的,从视觉语言模型(vision language model)出发;而预测迁移策略(predict transfer policy)是连续的。我们知道离散的适合理解(understanding),连续的适合生成(generation),把它们放在一起,是现阶段很合理的选择。

再者,有很多种使用Cosmos的方法,但常用的是做后训练(post training)。比如用你的视频-动作对(video action pair)来训练生成器(generator),或者你只想用推理(reasoning),只用你自己领域的理解数据来训练。

如果我们全部连在一起,生成和理解就绑定在一起了。那我要换生成分布(generation distribution)的时候,因为全部连在一起,你的数据也会改变理解那边的表现。如果没有两个塔,只有一个,那理解那边既然要改变,而你的数据又没有理解数据,这部分能力就很容易流失,不方便客户使用。所以分成两个塔,在使用上有一定帮助。

虽然这样不够elegant(优雅),因为你要事先决定架构,让数据来形成依赖关系,而不是人为区分。但在这个阶段,我觉得这个设计比较合理,比较适合使用。

讲到这个,大家也可以猜出来,我们下一步目标是更加简单一点——为什么要两个塔?一个塔就够了。

但是在往一个塔前进时,我们要考虑用户是不是容易用上它。因为我们的目标是帮大家赢,而不是自己产生一个可以做很多事情的模型。我们相信每个机器人都不一样,相机数量、位置都不同;自动车也每个都不太一样。我们觉得需要克制,即使合在一起追求工程的简约完美,也要考虑使用者是不是有办法利用它。这是我们必须要研究的课题。

张小珺:相对来说,离散的信号更好处理,融合进连续变量之后,处理难度会变高。你们怎么把它们合在一起,并且scale(规模化)上去呢?

刘洺堉:对。现在有一系列工作像Transfusion(融合模型),它可以同时处理离散和连续的数据。在做下一词元预测(next token prediction)时做离散的,在做扩散(diffusion)时做连续的。这是同一个塔。这段时间有很多种不同的变体,大家都在研究这个,是大家共同关切的问题。

这些信号可以用离散表示,也可以用连续表示。我希望是不是能开发出一种架构,全部离散或者全部连续,让事情相对变得更简单一点。但这是一个理想,不确定能不能成功,要一步一步做实验验证往下走。

张小珺:直觉来看,全部离散更容易,还是全部连续更容易?

刘洺堉:各有各的好处。离散比较好做训练,连续有它漂亮的地方。在做推理(inference)的时候,它们两个是很不一样的形态(shape)。最关键的是,客户还是要部署,部署时成本的考量很重要。所以,最后会根据什么样的模型最适合部署来决定。

张小珺:有一个研究员问你,你现在是把所有模态都训到一个模型里,理论上它既可以把编程(coding)做得很好,也可以让机器人运动,还能够生成创作者内容。那它有可能在单一维度,比如说在编程上,比Claude还要强吗?

刘洺堉:我还是喜欢讲《孙子兵法》里说的,“备多则力寡”。

如果你什么都要好,训练中就要博学多闻,要触碰很多不同类别,来提升知识水平。但如果你确定只需要用单一应用,是不是可以有些调整?因为你不care(在意)其他东西了,有些东西你愿意放弃。如果你什么都不愿意放弃,会打得很辛苦。

策略往往就是关乎着,你决定可以放弃什么东西。

张小珺:除了模型会变得更简洁,双塔有可能会变成一个塔,还有什么在未来模型中大家能预期的变化?

刘洺堉:我们很关注这个模型怎么去帮助Physical AI的构建者(builder)。

泛化(generalization)是任何AI的核心问题。在物理世界的AI,一种我们需要达到的泛化是:假设我今天教机器人说,我的衣服我喜欢这样折、这样放,我就给机器人看一两次我怎么做,它是不是就可以在现实生活中快速学会?是不是给这个物理智能读了说明书,它就知道怎么操作这个仪器、怎么在工厂做检测?我们中间的提升会朝着这些提升泛化能力的角度,把这些东西加进Cosmos模型。

我常常觉得,Deep Learning就很像中医,是试出来的。试的过程中,你要做详细实验记录,从里面去理解中间的法则。我觉得这很有趣。做严格实验、控制变量、得到关键结果,是模型迭代的重要一步。

张小珺:也有研究员提出,是不是可以把模型的语言渲染比重加得更大,他们还是认为LLM是提升智能的关键,你认同吗?

刘洺堉:在早期图像生成(image generation)研究中,包含谷歌的Imagen,里面就提出了:当你的语言理解越强,用更大的T5(文本到文本转换模型),图像生成能力就更强。我是相信的。你用更大的语义表征(semantic representation),应该有帮助,我是同意的。

但毕竟Physical AI的应用跟大家常讲的编程(coding)或者聊天(chat)不太一样,需要做一些实验验证。我想做的是了解真正的痛点,从痛点找到合适的方式补强模型能力。比较有挑战的是,当你资源有限的时候,你怎么做取舍。

“备多则力寡”——老祖宗的智慧还是蛮管用的。

张小珺:世界模型现在缺乏有效的评估方法,你们有一些好的探索吗?

刘洺堉:世界模型、大语言模型,都在追求更好的评估检测方法。

模型的评测有三步:第一步是基准测试(benchmark),有一些固定的数据集(dataset),你去上面测试它的质量(quality);第二种是竞技场式(Arena style),A跟B比,看谁比较好;第三种是跟着专家(Expert),去真正有痛点的人那里,解这个问题。三个都很重要。

在Physical AI里,第三个特别重要。因为每个Coding Agent大家都在解编程、数字的问题,但物理智能每个要解的问题又不太一样。更加强调跟愿意一起合作的伙伴,一起去了解怎么样评估一个模型真正有用还是没用。这是指引模型发展的重要一步。

张小珺:除此之外,物理世界的数据问题也是一个大难题。

刘洺堉:因为物理智能每个形体都不太一样,收集数据没有物理设置(Physical setup)就没法收集。英伟达更困难,因为我们要服务各个物理智能的开发者,每个机器人都不一样。我们能做的就是找最容易共通的。

物理智能数据主要有两种:一种是导航数据(navigation data),从A到B;另一种是操作数据(manipulation data),怎么用手或者工具去操作、完成既定目标。

导航数据比较容易做,就是你的运动学怎么动、车子怎么动、机器人怎么动,这些都可以收集。机器人A跟B即使不一样,但动起来就是在空间中位移,有时候可能加一些旋转,是比较相同的。

操作就比较复杂。我们发现一个趋势:大家越来越追求接近人手的机器手臂。

论点是说,人类的世界是建出来给人类用的,大部分工具都适合人手操作。整个AI需要大量数据,如果你的数据越好取得,你就越容易更快得到突破。所以大部分收集数据的是人,人就是用手。今天大家往人手的方向前进。

我们在Cosmos 3的时候,特地把第一人称视角(ego-centric)数据加进去,包含了人眼怎么看这个东西、从第一人称,还有人手怎么去操作这个物件。我们的目标不是去做出一个机器人,而是帮助大家可以做出很好的机器人,我们要找最容易互通的东西。第一人称视角(ego-centric)对大家非常重要。

张小珺:在所有的限制和局限之下,英伟达做世界基座模型有显著优势吗?

刘洺堉:在英伟达,获得GPU运算的成本比较便宜,毕竟我们生产GPU嘛。再就是我们在Physical AI已经深耕多年了。我们有Thor芯片,有Isaac仿真器。这些东西合在一起,我们提供更多工具满足各式各样物理智能开发者的需求。

还有一点,我们真心想帮助其他家公司成功。

我们很清楚自己能提供的服务在哪。客户往往比较愿意跟我们一起合作,因为我们不会跟你做一模一样的东西、把你灭了——不是,这不是我们的目标。

张小珺:针对Cosmos系列模型,你们未来会投入多少卡和资源?

刘洺堉:一直在提升中。我不知道方便不方便讲卡的数量,但我们已经在万级,希望可以有更多更多。

张小珺:Cosmos 3让你满意的一点是什么?让你遗憾的是什么?

刘洺堉:满意的一点是,我当初跟大家讲可以把过去所有模型合在一起,还会做得比全部之前的模型都要好,这发生了。那时很多人不相信,我很开心。

第二个是,这是我们第一次把整个团队,原本是建造数个模型,现在合在一起建一个模型。把这么大的一个组织凝聚在一起去建这个模型,我也很骄傲。

遗憾是什么?我们的模型还可以继续提升,但因为时间限制,没有让它完全收敛就必须要推出了。还有很多想要改的地方,之前没时间改。好处是,我们继续会做3.1、3.2,把之前没做好的补进去。

张小珺:你有没有想象过,像Jensen说的,做到Cosmos 97会是什么样子?

刘洺堉:那时候听到97代,我的理解是我们有决心一路把它做下去,把它做好。这是一个很大的commitment(承诺),因为做这个模型很耗费资源。

世界模型,最后就是接近这个世界。

透过那个模型,你可以去学习你想在真实世界里学习的东西,就是往那个方向走。最接近的是,你有能力随时做出一个《黑客帝国》的矩阵(Matrix),就是最终的样子。

如果每半年一代,还要四十几年,对吧?但AI发展极快,也许不需要四十几年。

05

谈《黑客帝国》

“Pain and suffering,是驱动人进步的关键”


张小珺:你说你要为机器人构建一个黑客帝国,《黑客帝国》讲的是人类沦为机器的活体电池,活在一个虚拟世界Matrix中,一个觉醒的人试图挣脱系统的宿命,来终结这个循环。

你现在为机器人打造Matrix,如果有一天机器人要觉醒了,想要挣脱虚拟世界怎么办?

刘洺堉:我用《黑客帝国》是帮大家具象化,有一个世界模型可以这么快去加速学习。很多人担心AI能力太强,会take over the world(接管世界),会把我们消灭(eliminate)。那我觉得这个社会是人建立的,这些科技是人在背后操作。只要大家有共识,这件事不会发生。

再就是,比较哲学一点,我觉得pain(痛苦)和suffering(苦难),是驱动人进步的关键。我不是很确定这些由芯片做成的智能(intelligence),是不是有同样的pain和suffering——我心里是存疑的。我当然知道我们希望科技可以大幅改善人类生活,也需要做出相对应的guardrail(安全护栏),确保它不会影响正常世界发展。

张小珺:虽然你一直在说我不是任何人的竞争对手,但其他做世界模型的团队,仍然会把你视作竞争对手,你有什么想对他们说的吗?

刘洺堉:世界模型是工具,用来解决问题,世界上有很多种不同问题要解。物理智能的问题本身又特别难。如果你可以跟我们一起合作,利用我们做的东西,你可以走得更快更远,这不是很好的一件事吗?

张小珺:他们肯定会说:哦,英伟达又想来卖我卡了!

刘洺堉:对(笑),那你需要做运算嘛。英伟达生态在这里,有很多东西可以让你去利用,why not?

你做生意都是要做投资的,重要的是你获利多少。像这些云计算公司(cloud company),他们买了大量的GPU,但赚了更多的钱,对吧?

张小珺:你们内部会讨论什么是下一个CUDA吗?有可能是Cosmos吗?

刘洺堉:核心上,过去的软件是建于逻辑,CUDA是帮助把这些应用(application)所需要的逻辑转换成GPU运算。未来的软件是以AI为核心的,AI是built on top of other AI(建立在其他AI之上)。所以我们觉得做的Nemotron和Cosmos,都可能是未来的CUDA。

张小珺:外部会对CUDA有非常多复盘,从你的视角看,CUDA是怎么成功的?需要具备哪些要素?今天的Cosmos具备的是哪些、不具备的是哪些?CUDA是一个可复制的路径吗?

刘洺堉:我不确定是不是可复制。CUDA当初提出是很前瞻性的想法,是个很冒险的想法。在都不确定超级计算(Super Computing)会不会成为big thing的时候,我们公司做出了勇敢的投资。我们做的大模型都得惠于CUDA,可以往下走。

CUDA一开始就是在寻找应用(application),一开始是科学计算(Scientific Computing),后来在深度学习出来之后,找到CUDA最重要的应用,往下走。CUDA还是一直在提供各式各样的应用。

我不会把Cosmos或Nemotron跟CUDA做同等的连接,因为我觉得现在整个发展相对复杂很多,有很多个不同的,整个产业是很多个栈(stack)合在一起的。我觉得合在一起可能是新的CUDA,而不会说这个模型单一就是一个CUDA。你还需要做服务,还要去做这些基础设施,有很多东西要合在一起。

复制CUDA是一个很好的想法,但我不觉得按照原来的路线,会走一样的路。环境是不一样的,需要adaptive(适应)。

张小珺:我也想聊聊大语言模型的进展,你怎么看中国的这一批模型的发展?

刘洺堉:Very impressive。在美国,尤其Frontier Lab,现在的状态是很少招收实习生。很多knowhow、科研结果都只有在他们内部的实验室有。

在中国,这些公司都招收很多实习生,帮助把knowhow传递出去。对人类整个知识扩增、diffusion(扩散),是好事。

张小珺:谢赛宁跟我说“硅谷已经被LLM催眠了”,你怎么看他这个观点?

刘洺堉:我不觉得纯粹被LLM催眠。不能否认,现在模型上最领先的公司,都是从大语言模型出发。我现在已经不知道没有Coding Agent,要怎么过下去,实在太方便。LLM产生了很大的用处,提升我们的生活。

很自然而然,大家会想,这东西既然都已经在这里了,下一步是什么?

张小珺:前段时间SpaceX(美国太空探索技术公司)上市,马上OpenAI和Anthropic也要上市,这会对整个行业发生什么样的影响吗?

刘洺堉:2026年会是巨变的一年,会产生很多富翁,旧金山的房价在快速飙涨。但科技不会停在这里,陆陆续续会有新的事情发生。100年前强盛的公司,跟现在强盛的公司完全不一样。这些人也许会帮这个世界创造下一个里程碑。

张小珺:对于今年和明年的模型竞赛,你有哪些预测?

刘洺堉:ChatGPT moment for Physical AI is coming(物理智能的ChatGPT时刻即将到来)。

张小珺:端侧模型会多久之后爆发吗?

刘洺堉:这跟Physical AI很相近。

张小珺:刚才你谈了中国的模型公司,那中国的机器人公司呢?

刘洺堉:美国做本体的公司很少,就Tesla跟Figure AI。做本体可控制的东西更多,可以控制模型跟软硬体的整合,操作空间更大。因为中国强大的制造业,让产生一个很优势的条件,让这些公司做一些在美国不容易做到的事。这很值得去关注,这样的垂直整合会产生什么样的一个突破?还蛮有趣的。

张小珺:美国现在不那么重视硬件,这有没有可能是错的?

刘洺堉:也很难说。但如果这种软硬体整合是机器人的趋势,没有硬件当然处于被动状态。有点难讲。有好多东西要考虑,包含金融模式。中国有这个条件,让大家快速软硬体整合。

06

谈黄仁勋

“Jensen常常在嘴边讲,公司只剩下30天现金流”


张小珺:今年,你刚好加入英伟达10年了,这10年你变化大吗?股票涨了多少倍了?(开玩笑)

刘洺堉:这些都是没有预期到的。

我们见证从没有人把AI跟英伟达连接在一起,变到全世界都把英伟达跟AI连接在一起;从我父母亲不知道什么叫英伟达,到全世界都知道什么叫英伟达——这是很巨大的变化。

中间的历程不是那么容易。我们公司从股价就有起起伏伏,我记得那一年TPU刚出来,公司股价掉了很大一截。有些同学在那时对公司未来产生了不同想法,离职了。但后来我们每年在MLPerf(机器学习性能基准测试)都击败TPU,产生出更好的性价比,后来只有我们参赛了。这些东西都很难预测。

这些变化实在很大。我更加理解到什么叫“慢慢经营”:找到一个你相信的目标,非常First Principle(第一性原理),一步一步往下走。看着Jensen带着这么大一个团队,一步一步走向今天这个成绩,与有荣焉。

张小珺:过去10年,Jensen变化大吗?

刘洺堉:头发都白了。

他承担的压力大了很多,但他还是非常关心员工。很仔细去阅读公司员工写的top 5 email(五项优先事项邮件),去找一些信号,帮助整个公司往前进步。

公司规模变化很大。我们加入时,公司不到2万人吧,现在两倍以上,可能更多。那时GPU都还是desktop(桌面电脑),现在都是data center(数据中心)。那时没有Physical AI,现在物理智能都成为一个重点了。

张小珺:过程中,你有见证英伟达经历过哪些pain and suffering(痛苦和磨难)?

刘洺堉:Jensen常常在嘴边讲——当然不是真的——他每次都讲,他每天都觉得公司只剩下30天现金流,30天后就要破产。现在还这么说,每次都这样讲,每次开会都是这样提醒自己。

张小珺:吓唬高管吗?

刘洺堉:就是要求自己做出对公司最正确的决定。

有一年疫情,整个经济状况很不好,那个时间很多公司开始裁员。我记得公司大会,就决定要裁什么——我们要裁的是差旅,员工就不用去出差了,全都线上,这样省下一笔钱。

我们再研究哪些工具可以不要。比如在硅谷,很多公司用Slack(企业协作通讯工具)做通联,我们考虑是不是就不要Slack了,反正我们有email。我们有两三个cloud(云),有时用Microsoft,有时用Google,是不是可以取消一个,可以省钱。

公司在一些困难时期,做出一些相对不平凡的决定。有些公司会用裁员降低人事开销,但英伟达想的是怎么节省掉一些不必要的开销,照顾员工,一起度过困难时期。

张小珺:为什么NVIDIA一直有不裁员的惯例?

刘洺堉:我在英伟达的时间,没有听到任何裁员消息。

我们没有所谓的末位淘汰,只有绩效评估(performance review)。有些人会因为对绩效的不满而离开。但我们不会因为改变了产品的方向,或者因为这段时间内你绩效不好,就让你走。

人与人之间的信任很重要。当一个员工对公司有认同感,有安全感,他愿意讲出在一般担心被淘汰的地方不愿意讲的事情。当没有末位淘汰,大家也不会真的这么担心被淘汰而强出头。在一个强出头的地方,反而不容易促成团结合作。

这样的管理模式会促成一种公司文化,跟那些做末位淘汰的公司蛮不一样。

张小珺:不裁员带来的弊端,是什么?

刘洺堉:缺点是,当一项科技逐渐成熟,员工需要一点时间学习新的东西做转型。重新学习新东西需要多点时间。

如果直接lay off(裁员)再hire(招聘)新的一批人,你可以直接hire到一些已经会这些东西的人。经由转型做会慢一点,但你得到的是员工信任,以及可以团结合作。

张小珺:组织效率对你们来说是问题吗?

刘洺堉:大家只要充满热情,觉得自己做的东西很有意义,效率就会提升。

英伟达是一个想长久经营的公司。Jensen在硅谷待了这么多年,看到这么多风风雨雨,他选择这个东西一定有他的道理。这不是随机的选择,而是深思熟虑后觉得,这就是他想要的企业文化、他想要的公司运作模式。

张小珺:那是不是意味着,当新技术来临,英伟达不会是最快调整的那个?它更依赖于早10年或者早5年的提前布局?

刘洺堉:NVIDIA就是跑马拉松,看得远。你看CUDA就是这样一个案例,布局了10年。

张小珺:你们也不赛马,对吗?

刘洺堉:我们不喜欢赛马。我们通常是这样:你去take这个mission(承担这个使命),我们就相信你,但我们会给你很高的bar(门槛),希望你完成。

用Jensen的话讲,就是一直让你接受pain and suffering(痛苦与磨练),torture you to greatness(磨练你直到卓越)。相信你、给你考验、不断地磨练你,让你一路一步一步往下成长。这是我们喜欢的模式。

张小珺:英伟达的书也好,Jensen的传记也好,讲述了许多英伟达的管理方式,你能不能从更切身的视角来讲讲英伟达独特的管理模式?

刘洺堉:第一是不裁员。

第二是top 5(五项优先事项)。员工要讲他做的最重要的五件事,让你看清楚公司里的大小讯号。两个团队在做一模一样的东西,那top 5 email就会自然显现出来。NVIDIA是很透明的组织架构,苹果可能是反例。我们追求资讯透明,这也是一个很不同的culture(文化)。

我们常常讲mission is the boss(使命为王)。英伟达有时候像是一个有机体,没有那么强的框架。当公司今天要走向这个方向,各种不同组织的团队,就会自动align(对齐),往那个方向前进。像一个活的组织,不是一个固定框架。Cosmos就是这样子一个案例。很多人不属于这个团队,但都可以来支持这个团队的工作。

Mission is the boss,而不是你的boss是你的boss。

这几个是最具有特色的,让公司变得很活——我刚刚讲的mission is the boss,不是一个很硬的框架,是个有机体。Top 5让公司各个地方的微小讯号可以扩散。不愿意轻易lay off员工,讲究转型,讲究torture,让员工对公司加强信任,可以彼此互相合作。这几个都是英伟达很独特的地方。

张小珺:Jensen对你个人有任何的影响吗?

刘洺堉:非常大的影响。他是个工作非常认真的人。我早期加入英伟达,他常常会传论文给我看,叫我写summary(摘要)给他,帮他讲清楚是什么事情。

他是一个非常热爱学习的人,一直学、一直理解。他当初也不懂Computer Graphics(计算机图形学),却敢踏入GPU领域,把Computer Graphics学起来;他也不懂Deep Learning,却敢踏进AI,把它弄懂。

他有一套自己的决策法则,叫First Principle(第一性原理)。他会把事情的本质理清楚,不受外界信号干扰,所以看得很清楚:哪个方向最make sense(合理),就往那边走。他在早期就敢all in Deep Learning,让公司获得巨大领先;也敢all in CUDA,为公司打下很好的foundation。

认识Jensen之前,我自己的决策偏短期。看到他怎么做长期决策、怎么坚持,对我的影响非常惊人。

他是一个很理性的人。事情很多的时候,如果你不会做prioritization(优先级排序),不把时间放在重要的事情上,就不会做出重要的事情。决定哪些事情很重要,本身就是一件很重要的事。

我自己是这样推想的:他强迫自己读邮件,强迫自己快速判断什么是重要、什么是不重要。在每天不断练习之下,他把事情看得非常清楚。而一旦看清楚,接下来就只是执行。

很多人执行会把个人情感放进去,比如“这虽然不重要,但我跟那个人不错,是不是应该让他去做?”他不会。

他的目标是take care of(照顾好)整个公司,只要一直做对公司最重要的决定,你就会留在公司里面,他就会take care of you。

我学习他怎么去做prioritization。这件事让我印象非常深。我以前当researcher时,可能同时处理两三个项目就觉得好累,每天要换两三个topic。现在我几乎每半个小时换一个topic。我以前无法想象自己做这件事,但这种不断context switch(上下文切换)的状态,也帮助我更理解什么东西比较重要。

还有一个体会:如果你学过Computer Science(计算机科学),最重要的一件事情就是”懒惰”——不用算的东西不要算,可以晚算的东西晚算,可以直接ignore(忽略)的就全部ignore。人生时间和精力都有限,如果你知道什么东西不要算、把它移除,人生运用就更有效率。还是很值得去学Computer Science,不要因为AI就不做Computer Science。

张小珺:你近距离观察过Jensen 10年,如果只用几个词来形容他,你会怎么形容?

刘洺堉:我们叫他,“六边形战士”。

我们有时候开会,他可以走到很深去研究register(寄存器)、computer architecture(计算机体系结构)的register,非常细的细节;同时间又可以教大家怎么做marketing(市场营销)、怎么做这些非常high level(高层面)的东西;在处理产品定价、跟客户的关系上,他面面俱到。

他是极大的热情。He gives everything he has to help the company be successful(他倾尽所有帮助公司成功)。

张小珺:他对你鼓励更多,还是批评更多?

刘洺堉:都有。当我还没有完全理解他想要怎么去run这个公司的时候,批评比较多。但批评中总是带着鼓励,希望你可以变好。他的目标就是torture everybody to greatness,经由这些磨练,让你更加理解怎么样做才能做出不平凡的事情。

这很耗精力的。你愿意花时间去torture(磨练)别人,是件不容易的事情。torture别人,你自己心里也要产生很大的负担。你人生就这么多时间,你可以不管。但是他愿意花时间去torture别人,让大家不断进步。

张小珺:他让你印象很深的一句话是什么?

刘洺堉:有一次我们在一个会上,在比较两个solutions(方案)。我是做其中一个东西的人,另外一个是其他人做的东西。那时候我讲了一句话:我觉得他们用的setting(实验设置)是一个不公平的setting,所以导致我们在这方面表现没有达到预期,落后于竞品。

他那时候给我一句话说:“Are you a quiet baby(你只会闷声抱怨吗)?”

这世界上没有什么是公平的。你在写论文的时候,常常讲说我的setting就是跟你的setting不一样,所以不能同时比较。但你的目标如果是要解决一个问题,你当然是做这个要解决的问题所需要的条件,没有这个条件,你就想办法拿到。

那句话让我印象很深刻,我更加严格要求自己,找理由是没有用的,就是要give everything you have(倾尽所有)。我以前也听过这句话,西点军校有一些著名的书也是讲:没有理由、no excuse(没有借口)。

但他跟我讲,让我的印象更加深刻,毕竟他是一个著名的人物。我后来就不再找理由了。

张小珺:为什么其他公司说CEO不应该是最努力的人,但你们公司CEO是最努力的人?

刘洺堉:对。是。这我也不懂,哈哈哈。但it works(这很有效)。

07

谈自我

“我并不是为了展现强大的破坏能力”


张小珺:你看你今天说了很多:你没有竞争对手,你不和任何人竞争,大家都是合作伙伴。这种low ego(低自我)的状态是在英伟达发生的变化吗?——这真的是low ego,还是一种隐藏?

刘洺堉:我觉得是一种confidence(自信)。是觉得我们做出来的东西可以帮到大家。

我的目标是帮助大家做好。我对自己做的东西要求很高,希望它变好。但是,我的目标并不是击败对手。

张小珺:你个人有过high ego(自我膨胀)的时候吗?

刘洺堉:年轻的时候是会的——总觉得我的算法最好,我写的paper(论文)最漂亮,总会这么觉得。

我受到Jensen的影响很深。如果你是一个研究员,你毕业的方法是让你的论文在顶级会议上被接受,reviewer(审稿人)都会question(质疑)你:你的东西是不是state-of-the-art(最先进水平)?你要state-of-the-art就代表说你要击败所有的人——研究员都有这种心态,我的东西要比你强。

循着这个轨迹,我一开始也是一个highly competitive individual(竞争意识很强的人),我东西要做的比你好。但久了之后,你知道,你总是state-of-the-art,一段时间下一个就出来了,这东西是一直不断进步的。

我今天站的位置也不一样,成为这个管理者之后,希望培养新一代的人才,帮他们成长。站在NVIDIA这个ecosystem(生态系统)的角色,看到我伙伴们跟我讲,用了一个模型之后,解决问题的效率提升了很多,我就很开心。我觉得我的付出、团队的付出,得到了回响。

不见得是要击败其他人才能产生贡献——你不需要击败你的对手。

或者说,我不喜欢把他们当成是对手,喜欢把他们当成是伙伴。

张小珺:对于现在的你来说,很多外部衡量指标变得没有那么重要了?

刘洺堉:对,年轻的时候觉得它们很重要:为什么这个人的best paper(最佳论文)比我多,奖比我多。现在觉得,我的重心渐渐转移:帮助别人。也许我现在care(在意)的是帮助人够不够多。

张小珺:最近一年你帮助了谁?

刘洺堉:这些使用Physical AI、使用Cosmos的user(用户),我都在默默之中给他们提供了帮助。

张小珺:过去几年,你的生活状态发生变化了吗?

刘洺堉:更高效了,早睡早起。我4点到5点起床,10点到11点左右睡。不是每天固定,但是我的常态。

我早上起来,运动时间比较连续。我很喜欢运动——以前喜欢团体运动,打篮球、打网球。我有一个很大的兴趣:中国功夫,练了很多年,从18岁就一直练习。

我的武术老师是徐纪,他的老师是刘云樵,刘云樵的老师是李书文,就是“神枪李书文”,沧州武术家的代表。他的八极拳、劈挂掌对整个武术有重大贡献。

武术是很好的身体锻炼,对心智磨练、体力都很好。它还有一个好处:只要一个人就可以做。我早上起来会做武术锻炼,自己训练、蹲桩、打拳。

我最近还有一个新嗜好,叫ice plunge(冰水浴)。像运动员一样,做完激烈运动后跳进一个冰桶或冰冷的水池里,帮助身体修复。这也帮助我保持精力,去面对每天高强度挑战。

张小珺:这和我对你的印象蛮不一样——我见你,感觉你是一个非常谦和的人。

刘洺堉:是。但我学武术的目标不是为了打架。一开始是受金庸小说影响,对中国武术充满兴趣。学了之后发现,这是对自身的一种磨练。

中国武术最重要的是控制全身、控制自己。你要打出一拳,最大的力量来自全身协调,把力量从脚一路灌到手。这么长的路径,你要控制全身协调,让力量传导循序渐进、一步到位。这很难——因为都在一瞬间发生。所以,需要经由不断练习、不断自我修正。这跟我喜欢一直自我检讨、追求进步,有很深影响。

我并不是为了展现强大的破坏能力——它是一种对自己的追求。

张小珺:嗯。我还有一些快问快答。全球范围内一个你最喜欢的食物?

刘洺堉:牛肉面。

张小珺:全球范围内一个你最喜欢的地点?

刘洺堉:我喜欢湾区,天气太舒服了。

张小珺:你有什么喜欢的音乐、书、电影或游戏吗?

刘洺堉:书蛮多的。Jensen(黄仁勋)推荐的书,讲Positioning(定位)的。我忘记书名叫什么,很有趣的心理学书,让你更理解问题的本质是什么。

我特别喜欢金庸小说,体会金庸各式各样的幻想,很美的意境,把我推向了学中国武术的道路,从中国武术得到历练。

张小珺:对于年轻的研究员,你会有什么建议?

刘洺堉:不要紧张。对自己有信心。冷静下来。

现在年轻研究员都往往觉得会不会明年AI就结束了,AI自己训练自己了。我觉得也(应该)看清楚,什么地方是值得你投入精力的,不要被大家的宣传影响,觉得路越走越窄。

现在研究员进入Physical AI是一个好时机。除了Physical AI,还有其他很多地方值得摸索。AI的进步,让我们可以做出更好的material(材料)、更好的药。各行各业都可以渐渐看到AI的影响。

张小珺:我们工作室叫语言即世界工作室,当你第一次听到这个名字的时候,你在想什么?

刘洺堉:用语言来描述这世界上发生的有趣的事:)

张小珺:在人工智能的历史上,你希望后人怎么来记录你?

刘洺堉:不要讲我吧。

希望Cosmos是一个重要的推手,帮助几个重要的Physical AI builder达到ChatGPT moment——这是我会很开心的一件事情:)

---

还有大量的内容,只有视频播客和播客有喔:)

收听播客


推荐阅读


跳转微信打开

  •  

聊聊怎样判断产品的边界,人的边界

原创 纯银uncle 2026-08-13 09:15 四川

产品边界有着 “过得去,过不去” 的死线。

我们经常聊到产品的边界,有人认这个边界,有人不认,认为不要用边界束缚自己。

我刻薄地回答,没有边界?那在你家产品里做个微信试试?反正这么多人讨厌微信,辱骂张小龙。

正经说话,产品的边界到底是什么?

我觉得是这款产品的用户特质与用户心智,能够泛化到哪一片需求市场。

比如小红书以女性购物起家,用户行为与心智顺利泛化到了生活方式。有段时间,连我都认为女性密度如此高的社区,男性是进不去的,但当时我的抽象并不准确,比女性社区更高一层的抽象是 “低创作与消费成本,小颗粒度内容分发” 的算法驱动平台。当小红书提供了我想要的小颗粒度的内容,并且被搜索和信息流算法精准推荐的时候,男性也沦陷了。这是相当经典的拓展产品边界的案例。

作为反例,2022 年,导致我辞职的原因就是公司想做垂直赛道的小红书,要求我喊着必胜的口号带头冲锋。当时的情况是,值得推荐的好游戏数量严重不足,也没有用视频或者笔记安利游戏的最佳实践,谨慎尝试可以,万岁冲锋就超出了我心目中的产品边界。事后回看,那几年万岁冲锋的垂直赛道小红书,整个互联网行业全军覆没,一家都没有跑出来。

从这个角度上来说,产品边界的变化也是遵循演化论,一步步适应「环境」产生的变化。“先画边界,再去找突破边界的方法” 这种工程上的战术,并不适合 “影响用户行为” 这种复杂得多的任务。因为工程上可以预判可行不可行,只是代价的高低分别;但产品边界有着 “过得去,过不去” 的死线,付出再高代价也不可行。

这方面的反面教材,包括支付宝做社交产品屡战屡败,甚至强如抖音做社交产品同样屡战屡败。从内容产品延伸到社交产品,用户心智很难泛化过去,反而因为导流不精准,污染了社交产品的氛围,降低了社交产品的匹配效率。

令人惊讶的是,拼多多在自己的生态内做视频 tab 异军崛起,神之一手。这种对用户心智超常的突破,来自于用户特质的赋能。大量时间廉价,贪小便宜的下沉用户,看视频赚小钱,公司补贴又可以从看广告买商品的电商闭环中赚回来。后面抄袭多多视频的那些平台,如果没有这么多的下沉用户,也没有用带货收益置换红包补贴的丝滑的生态,则效果远不如多多视频。

那么怎么提前预判产品边界 “过得去,过不去” 呢?

方法只有一个,先收集信号,再判断边界。边界基于用户生态释放出的信号来设置,信号越弱,对边界的信心越弱,可以谨慎尝试,不能万岁冲锋。如果不是基于信号,而是基于公司的商业目标去画边界,则九死一生。

做产品要讲逻辑,而不是讲信念。赚钱的信念在市场逻辑面前不堪一击。有时候听到别人说,老板这么想,在他当时的处境下也是有道理的。这种道理基于他想赚钱,想生存,他要解决自己的困境……这算是哪门子道理?你得解决用户的问题,满足市场的需求,才能向更好的方向演化。如果先定自己的收益目标,再去用户生态里扒拉有什么需求契合这份收益目标,在下行期十死无生。

你有什么资格让市场配合你个人的意愿?how dare you!

老板不认产品的边界,不是从信号出发,而是从 “我想要怎样的增长” 出发去设置主观边界,这是当前行业主流现象,屡败屡战,并且屡战屡败。因此我麻利地退休了,不陪你们玩了,只保留了有知有行一个月一周的产品顾问。

这也是我死心塌地跟随孟岩的原因,今年反而是他劝说我在 A 股市场弱信号,差体验的现状下,我们只能尊重市场现状,弱信号下就没有积极行动的产品机遇。

从这里延伸出去,在产品边界背后还有另一层隐形的边界,就是公司的基因。包括公司价值观、核心团队气质、组织协作惯性、以及长期以来的思考与行动惯性。如果你觉得自己可以打破惯性,那只是因为你想做的事情恰好符合自己的惯性。

惯性是这个世界上最强大的力量。

事实上,“用户特质与用户心智” 准确地建立在公司基因之上。

接着聊聊人的边界。

我从来都厌恶 “不设边界” 这个观点,在我眼里公司和人都是有边界的。人的边界并不是写死一个人的潜力,而是当前环境和个人特质的组合会输出固定的结果。

当环境改变时,新的环境与个人特质的组合,又会输出不一样的结果。

因此,如果想激活一个人的潜力,拓宽一个人的边界,唯一有效的方法是改变他的环境。比如换一个任务,换一个项目,换一个部门,换一家公司,换一个职业,尝试个人特质与不同环境的组合方案,寻找更好的契合点。

如果环境不变,仅仅通过当前环境下的管理手段驱动,那么我认为这个人就是有边界的,他的边界就在这里。

从公司管理的层面出发,认清一个人在当前环境下的边界,有助于制定更准确的管理目标。


内容来自“用思考交换思考”的古典产品论坛「犬校」。©2017-2026

点击【阅读原文】,可见犬校最近一年的好帖索引。

加入犬校:【犬校 2026 年加入方式】国家不幸诗家幸,行业不兴话痨兴

图片

阅读原文

跳转微信打开

  •  

他为什么卖给你?(三)五千万个账户

原创 王建硕 2026-08-13 08:30 美国

为草原造的大脑搬进市场,四条保命程序同时发作,五千万个独立账户在关键时刻表现得像一个账户。上交所的账本认这笔账:做得越多,亏得越多。

一 本 小 书 · 连 载 之 三

他为什么卖给你?

关于股票市场,你只需要想清楚一个问题

本篇为连载第 三 篇(共四篇):第七至九章

第 七 章

草原上的大脑

一半草原一半 K 线的大脑

如果五千万个散户真的是在瞎买瞎卖,事情反而不会太糟。随机的错误会互相抵消:有人高点买,就有人低点买;有人杀跌,就有人抄底。作为一个群体,他们的择时和选股贡献应该趋近于零,整体成绩就是市场收益减去手续费。这是"瞎买瞎卖"能达到的下限,也是一个不算太坏的下限。

实际数据比这个下限差得多。一份覆盖 2016 至 2019 年、基于上交所全市场账户数据的研究给出的结果是:市值一千万元以下的各组账户,择时贡献和选股贡献双双为负。不是零减手续费,是负数再减手续费。

零和负之间,隔着一个重要的推论:错误不是随机的。五千万个人在朝同一个方向错。而五千万个人能朝同一个方向错,只有一种解释——他们用的是同一台机器。

这台机器就是人脑。它不是为市场设计的,它是为草原设计的。在草原上运行了几十万年,每一条让你今天亏钱的程序,当年都救过你祖先的命。

四条草原程序

第一条:盯住抢眼的东西。

草原上,突然动的、颜色鲜艳的、以前没见过的东西,值得立刻分配注意力——那可能是猎物,也可能是要吃你的东西。注意力先到,思考后到,这个顺序在草原上是对的。

市场里这条程序照常运行。Barber 和 Odean 在 2008 年的研究里发现,散户系统性地净买入"抢眼"的股票:上了新闻的、成交量突然放大的、单日暴涨或暴跌的。原因很简单:市场上有几千只股票,没人研究得过来,人只能从自己注意到的东西里挑。机构没有这个约束,它们的筛选程序扫描全部。

麻烦在于:一只股票被所有人同时注意到的时刻,几乎按定义就是它最贵的时刻。注意力就是买盘,全民注意等于全民买盘已经到场。你因为排队的人多而去排队,排到你的时候,柜台里还剩什么,可想而知。

第二条:延续的会继续延续。

草原上,归纳法是可靠的。那棵果树连续三年结果,第四年大概率还结;这条路走了十次没遇到狮子,第十一次多半也安全。自然界不理会你的预期,果树不会因为你看好它就不结果。

市场里,这条程序撞上了第三章讲过的那台反归纳的机器。涨了三天的股票,"还会涨"这个判断已经被无数人做出,并且已经变成了买单,变成了价格。你外推趋势的时候,趋势本身就是被外推出来的。果树还是那棵果树,但果子的价格里已经含了"明年还结果"。

第三条:亏损比收益重一倍。

Kahneman 和 Tversky 的前景理论指出了这个不对称,后续实验把它量了出来:亏掉一笔钱的痛感,约是赚到同样一笔钱的快感的两倍。这个权重在草原上是精确的定价——丢掉一天的口粮可能致命,多打一天的猎物只是锦上添花。对损失敏感两倍,是正确的生存参数。

市场里,这个参数产生了处置效应:Shefrin 和 Statman 在 1985 年命名了它,Odean 在 1998 年用真实券商账户证实了它——投资者卖出盈利股票的倾向,显著高于卖出亏损股票。赚了一点就急着落袋,因为快感薄,怕它飞掉;亏了很多反而死拿,因为兑现亏损的痛太重,不卖就可以假装没发生。

结果是一套精确反着做的操作:把跑得动的卖掉,把跑不动的留下。像修剪果树时专挑结果的枝条剪,然后给枯枝浇水。

第四条:偶尔押一把小概率。

快饿死的时候,翻过那座没去过的山、赌一个新山谷,是值得的——反正留在原地也是死。对小概率大回报的偏爱,在绝境里有进化价值。

市场里,这条程序让人爱上彩票型股票。Kumar 在 2009 年的研究刻画了散户的这个偏好:低价、高波动、高偏度——涨起来像中奖的那种。而这类股票的长期收益恰恰更差。这不奇怪,彩票的定价里从来含着一笔娱乐税,谁爱买,谁交税。

五千万个大脑同时报警

把四条程序放在一起看:

程序

草原上

市场里

盯住抢眼的

先注意,先活命

在最贵的时刻买入

外推趋势

果树明年还结果

预期已在价格里

亏损加倍痛

口粮比猎物重要

赚小钱跑、亏大钱拿

押小概率

绝境探索有价值

长期缴娱乐税

单独看,每一条都只是"一个偏差"。真正的杀伤力在于它们同方向、同时刻。

这些程序装在每个人脑子里,版本几乎相同,触发条件也相同:同一条新闻、同一根大阳线、同一次跌停。于是它们不是零散地发作,而是共振——贪婪的时候一起追,恐慌的时候一起踩。五千万个独立账户,在关键时刻表现得像一个账户。

一个可预测的模式,在市场里就是一份可以定价的东西。聪明钱的很多策略,拆开看,本质就是给这些偏差定价:有人吃注意力的潮汐,有人吃处置效应压出来的价格惯性,有人常年做彩票型股票的对手盘。Grossman 和 Stiglitz 在 1980 年证明,没有噪音,知情交易者就无钱可赚。第六章说的那笔电费,燃料不是抽象的,就是这四条程序,在一笔一笔地烧。

知道,不等于免疫

读到这里,一个自然的反应是:好,我知道这四条了,以后注意。

我劝你别信这个"注意"。这些偏差是硬件级的,不是知识级的。视觉错觉图你看破一百遍,第一百零一遍看,它还是歪的。更麻烦的是,意志力失灵本身就是偏差的一部分:程序被触发的时刻——暴跌的下午、涨停的晚上——恰好是情绪最满、理智最没有发言权的时刻。你在冷静时立的志,要在最不冷静的时刻执行,这个设计天然是输的。

真正可靠的对策只有一个:把决策从"每次临场发挥"改成"一次性定规则"。在大脑还是自己人的时候,把买什么、什么时候动、动多少写下来,然后让规则替你出场。草原程序卸载不掉,但可以绕开——不给它临场发挥的机会。

怎么定这些规则,是第三部的事。

第 八 章

五千万个账户:来自上交所的账本

账本上的斜线

账本比故事诚实。前面几章讲的都是机制:谁在卖,为什么卖,桌子对面坐着什么样的对手。机制推得再顺,也只是推得顺。这一章只做一件事:把账本摊开,看看数字认不认账。

五组账户,一条斜线

第一本账来自上海证券交易所。哥伦比亚大学与清华大学团队基于上交所全市场账户数据的一份研究,覆盖 2016 到 2019 年的五千余万个账户,按市值分成五组,再把每个账户的盈亏拆开:多少来自择时,多少来自选股,多少交给了手续费。

拆出来是三行字:

动作

账本上的记录

择时

市值 1000 万元以下的各组,贡献为负

选股

同样这些组,贡献也为负

手续费

中等规模账户,约占其总亏损的近两成

还有第四行,也是最重要的一行:账户越大,负得越少。

前三行只是把「散户亏钱」这句老话记在了账上。第四行说的是另一件事:亏损不是均匀撒下来的,它沿着账户规模排出一个整齐的梯度——最小的组负得最深,规模每上一个台阶,负得就浅一点。

这个梯度值得盯着看一会儿。

如果亏损来自运气,不应该有梯度。抛硬币不认人,运气对一千块的账户和一千万的账户一视同仁,五组的结果应该挤在一起,谁也不比谁更倒霉。可账本上偏偏是一条斜线——而且这条斜线在扣掉手续费之前就已经存在。

斜线只能来自系统性的东西——某种随账户规模一起变化的东西。什么随规模变化?信息,装备,纪律。第四章说过,你能轻松买到的股票,往往是知情者愿意卖给你的那一张;第五章列过对面的装备清单。这条斜线,就是那两章在数据上按下的指纹。

择时贡献为负,翻译成白话是:进出的时点,平均而言是错的——在热闹的时候被吸引进来,在恐慌的时候被洗出去。选股贡献为负是:挑中的股票,平均而言跑输了不挑。两个主动动作,两个负号。手续费那近两成,是为这两个负号支付的运费。

把「亏损」说成一个整体,容易听过就忘。拆开看更扎眼:择时和选股,恰好是一个普通投资者在市场里仅有的两个主动动作。账本说,这两个动作各自都在帮倒忙。也就是说,亏损不是「做得不够好」,而是「做本身就在扣分」。

择时的账面尤其难看,还有一个结构性的原因:市场的收益高度集中在少数交易日里,而最好的日子和最坏的日子,往往紧挨着出现在同一段恐慌期。想躲开暴跌的人,几乎必然同时躲开了紧随其后的暴涨。择时者以为自己在挑日子,实际上是在一堆好坏粘连的日子里做切割,切下去的每一刀都同时切掉两边。

牛市不发钱,牛市转账

有人会说:那是因为 2016 到 2019 年行情不好,赶上牛市就不一样了。

账本上恰好有一轮牛市。An、Lou、Shi 等人基于上交所账户数据,研究了 2014 到 2015 年那轮泡沫与崩盘。结论:一轮牛熊走完,财富从小账户向大账户大规模再分配,最小组账户损失惨重。

牛市不改变结构,牛市加快速度。平时水管里的水慢慢流,牛市把水泵开到最大——交易量放大,换手加快,每一次换手都是桌子两边的一次交割。结构没变,只是同样的再分配,用更短的时间完成了。

就像菜场最热闹的那几天:过秤的次数多了,秤还在原来的人手里。

换一个市场,还是这本账

第三个问题:这是不是 A 股特色?换个市场会不会不一样?

市场

数据

记录

台湾

1995–1999 全市场交易数据

散户因主动交易的总损失,约相当于台湾 GDP 的 2.2%;后续研究发现,能持续稳定盈利的日内交易者不到 1%

美国

66,465 个券商家庭账户,1991–1996

交易最频繁的一组,年化净收益落后市场约 6.5 个百分点

台湾那个 2.2% 值得停一秒。那不是某一群人的亏损率,是把全市场散户的主动交易损失加总,再和整个经济体一年的产出去比。一个业余爱好,规模大到能和 GDP 放在同一个句子里,这在别的领域很难找到对照。

美国那份研究是 Barber 和 Odean 2000 年发在 Journal of Finance 上的,标题起得不客气:

Trading Is Hazardous to Your Wealth——交易有害于你的财富。

三个市场,三套制度,三种投资者结构,账本长得一模一样:动作越多,负号越大。这不是哪个市场的水土问题,是桌子这种结构的通病。

再往上看一层,专业选手的账本也在这里。SPIVA 记分卡年年统计:以 15 年计,接近九成的美国大盘主动基金跑输标普 500 指数。Fama 和 French 2010 年的研究更彻底:把主动基金的超额收益分布,和一个「纯运气」的模拟世界放在一起比,两条曲线几乎重合——绝大多数基金经理的成绩,在统计上分不清是本事还是硬币。

还有更细的一层。DALBAR 的年度报告长期追踪一个差值:同一只基金,基金本身的收益,和基金投资者实际拿到手的收益。后者长期低于前者,差距在每年一至数个百分点。基金没变,差在投资者的进出时点。也就是说,哪怕你把选股外包给了基金,只要择时这只手还留在自己身上,账本照样漏。

这三层放在一起看,结论比任何单独一层都硬:全市场的散户在亏,全世界的散户都在亏,全职带着装备的专业选手扣掉费用后大多数也在亏,连买对了基金的人都能靠自己的手再亏掉一层。账本翻到哪一页,负号都长在同一个位置——主动动作上。

斜率,不是训诫

把这几本账叠在一起,能读出一句话:做得越多,亏得越多。

我想强调这句话的性质。它听起来像长辈的道德训诫——年轻人要沉住气,别瞎折腾。但它不是训诫,它是斜率。上交所的五组账户、台湾的全市场数据、美国的六万多个家庭,每一本账上,主动动作的数量和净收益都负相关,斜的方向一致,谁也没能例外。

训诫可以不听,斜率不管你听不听。

斜率也给出了它自己的解法。既然择时的贡献是负数,选股的贡献也是负数,那么把这两个动作从操作里删掉,两个负数就直接归零。不需要变得更聪明,不需要更努力盯盘,只需要少做两件事。这是账本上唯一一处白拿的改进——数据支持,人人可得,无需天赋。

问题是:怎么删?删掉,不等于离开市场,也不等于什么都不买。这两者的区别——什么时候可以放心地把市场当成货架,下单之前该问什么,怎么换到收电费的一边——就是第三部的全部内容。

第三部 · 想明白之后

第 九 章

什么时候货架是真的

安静的水管与敲锣的柜台

前面八章,我一直在拆同一个错觉:你以为自己站在超市货架前挑东西,其实你坐在一张桌子对面,对面坐着一个想赢你的人。这句话说了八章,现在要把它说完整——市场里确实存在货架。有些交易的对面,真的没有人。

麻烦在于,真货架长得不像货架,而长得最像货架的那些柜台,恰恰是桌子。这一章只做一件事:给出分辨真假货架的唯一标准。

管道的对面没有人

先看一笔最不起眼的交易:申购一只指数基金。

你把钱交给基金,基金按当天的净值给你增发份额,然后拿着这笔现金,按指数的权重,机械地买入一篮子成分股。整个过程里没有一个环节需要"有人决定卖给你"。份额是新印出来的,价格是按持仓市值算出来的,买入是按公开规则执行的。赎回同理,只是方向反过来。

注意这里面缺了什么:缺一个对手。没有任何人因为你的申购而兑现一分钱的信息差。基金公司赚的是明码标价的管理费,像水厂收水费——它不关心你什么时候接水,也不会因为你接水的时机而占你便宜。

这不是买卖,这是接管道。

国债的一级发行是同一个结构:国家按票面条款发新债,你按发行规则认购,对面是一套规则,不是一个"觉得利率要变所以赶紧出手"的聪明人。货币基金同理。定投计划更是把这个结构用到了极致——连"什么时候买"这个最后的博弈变量,也交给了日历。

真货架的共同特征只有一条:

价格由规则或净值决定,不由博弈决定。

对面没有一个赢家,所以也不需要一个输家。你终于可以像在超市拿一瓶酱油那样拿起它:看价签,付钱,走人。

敲锣的地方最危险

现在看一个长得最像货架的柜台:打新股。

IPO 具备货架的一切外观:崭新的股票,官方定价,盖章的招股书,交易所的敲锣仪式。看上去这是"从厂家直接进货"——货是新的,价是定的,连仪式感都是背了书的。

但坐在这个柜台后面的,是全市场信息优势最大的卖家。

回到第四章的柠檬市场。二手车贩子只是比你多懂一点车。而 IPO 的发行方是公司自己——它不是多懂一点,它全懂。订单、成本、纠纷、技术瓶颈、创始人的真实状态,全在它手里。这是柠檬问题的极端形式:卖家就是这台机器的制造者。第二章列过卖家的八种动机,成交时你无法分辨;IPO 是罕见的例外——你确切知道对面的动机,它就是来卖个好价钱的。

它什么时候选择卖?Ritter 1991 年发表在 Journal of Finance 上的研究给了答案:从上市首日收盘价算起的三年里,美国 IPO 公司的收益显著跑输可比公司。公司挑的不是随机的时点,它挑的是自己最贵的时候。打新中签者的甜头在发行价与首日收盘之间——那是发行定价规则让出来的红包,不是货架的证明;首日之后的三年,才是这张账单真正展开的地方。

Baker 和 Wurgler 在 2000 年把这件事推到了整个市场层面:股权发行占比高的年份,随后的市场收益偏低。也就是说,公司作为一个整体,是全市场最会择时的卖家——当它们集体排队发股票的时候,往往正是股票最贵的时候。

把这两条放在一起,机制很清楚:上市和增发不是"上新货",是"出货"。

外观

实质

崭新的股票

卖方亲手制造的商品

官方定价

卖方深度参与的定价

敲锣仪式

卖方选定的出货时点

排队认购的火爆

买方误把桌子当货架

打新的火爆本身就是诊断结果:一个市场里最多人排队的柜台,恰恰是对面坐着最强卖家的柜台。大家把最危险的桌子,当成了最安全的货架。

只问一个问题

分辨真假货架,不需要研究产品说明书,只需要问一个问题:

对面是否存在一个决策者,会因为我的买入而兑现他的信息优势?

有,就是桌子。没有,才是货架。

用这个问题扫一遍常见的柜台:

交易

对面是谁

判定

二级市场买一只股票

一个此刻决定卖出的人

桌子

打新、参与增发

公司本身——最懂这台机器的人

桌子

申购指数基金

按净值增发份额的管道

货架

认购国债、货币基金

一套发行规则

货架

定投计划

管道,加一本日历

货架

这个标准解释了前八章的一切。逆向选择的保费、市场的电费、五千万个账户的亏损,全都发生在桌子上——因为桌子的定义,就是有人靠你的错误赚钱。而货架上没有这个人,所以那些机制在货架上统统失效。不是因为你变聪明了,是因为对面没有人跟你玩了。

1976 年,博格创立第一只面向公众的指数基金时,做的其实就是这件事:在一个全是桌子的市场里,搭起第一个真正的货架。

当然,货架也有它的价签规则:货架上只有平均收益。没有翻倍的惊喜,没有跑赢别人的快感,你拿到的就是整个市场的平均数,不多不少。

听起来像安慰奖。但下一章我要证明一件更硬的事:这个平均数,对普通人来说不是保底,是上限。

· · ·

下篇(完结):第十至十二章——下单前的三个问题、换到收电费的一边、对面没有人的游戏。

《他为什么卖给你?》 · 王建硕 · 本文不构成投资建议
全书在线阅读:voicedrop.cn/books/why-did-he-sell

扩展阅读
让网站自己改自己的技能
「Agent本质是一个死循环」:一句话告诉你什么是 Agent
在 CLAUDE.md 里养一只金丝雀
吃一堑长一智.skill —— 那一秒,是改大脑参数最好的时机
AI 写作让我们失去的,我接受

跳转微信打开

  •  
❌