slan's blog

1. 任务清晰
2. 减少输出
3. 分布验证，尽量构建可控的上下文环境，极力精确，避免模糊

1. Ant-G联盟，Nvidia Rubin VS TPU的未来之战

   • Nvidia BlackWell极其复杂，影响了部署速度，导致TPU暂时领先
   • TPU也有自己的局限性，首先Broadcom毛利拿走50%+，然后设计保守，对阵Rubin没有胜算
   • Nvidia有2个主要Fighter：XAI和OpenAI，Meta是其要尽量扶植的Fighter，以及和Anthropic合作
   • Google现阶段用极低的token成本来挤压其他家的空间，其他家大规模部署Blackwell才有可能对抗

2. 太空数据中心有能源，散热，和网络优势，SpaceX，XAI有非常大优势

3. Taiwan Semi的保守策略拉慢了芯片供应速度，给了Intel机会

4. 量子计算的真正领导者是Google，IBM，Honeywell，而不是其他概念股

5. Investing is search for the truth.

1. 我们不用支出那么多，有的客户自带芯片，土地是租的
2. 我们的RPO更健康了，除了OpenAI还有Meta，而且即使没有OpenAI我们也能把这些卖出去
3. Training是目前最赚钱的业务，但是私有数据+Reasoning将是更赚钱的业务，我们是唯一一家提供私有+几大顶级模型（Gemini，GPT，Claude，LLama）的云。

Reacting to the endless feed feels uneasy. The feed will never serendipitously align with my true desires.

I need to face what I really want.

This passive mode of receiving information simply doesn't work.

做简单，但不容易的事，“简单”能让自己搞懂为什么，“不容易”能积累自己的壁垒。有人说lex fridman的视频几个小时的英文听不下来要看AI summary。但是段永平的采访全中文的，大部分人还是会选择看精华，这是建立自己壁垒的好机会。

昨天讨论到gemini3要来的时候，开玩笑说自己是“岚·Gemini·Grok·Deepseek”，现在想想这其实不是一个玩笑，AI的能力超过我太多，但是作为一个组合体，我发挥的价值远远远大于原来没有AI的我，得非常认真的考虑不断用AI提升自己的工作流，提升自己。

如果将能力进行公式化，能力=我x杠杆，以前我的能力=我的知识，现在我的能力=我X模型的能力，模型的能力在不断发展，我被动享受了这个增益，但是最能撬动这个杠杆的，是我的本身，我的10%的提升，能带来10倍的收益。

所以在精力健康专注力，知识逻辑上的投资，是非常值的。

A startup is in constant search of a profitable, scalable business model.

It's about testing your assumptions as quickly and economically as possible.

There are three main things to test:

1. Problem/solution fit
2. Product/market fit
3. Business model fit

The Hollywood model is a good way for startups. Every movie is a startup. There are four phases of Hollywood movie-making: DEVELOPMENT => PRE-PRODUCTION => PRODUCTION => POST-PRODUCTION. Making a movie is like starting a startup:

1. Assume you have a good story the audience will like.
2. Design and make the movie.
3. Sell the movie.

不用把自己塞满

Being a value investor means you look at the downside before looking at the upside

• Intelligence and knowledge will be fast and cheap.
• Measurement and evaluation is the driving factor to AI development.
• The edge of intelligence is jagged, not smooth.