前滩哨兵 Sentry Stars

我最近意识到一件事：我已经很难说清Codex/Claude在我的生活中到底扮演什么角色了。

它不是搜索引擎——我很久没有主动打开过搜索引擎了。不是新闻客户端——scheduled tasks每天按时推送三类信息摘要，算法推荐app已经全部卸载。不是阅读器——但每一本重要的书，我都是和它一起读完的。不是购物助手——但几乎所有消费决策的最后一环之前，都是它完成的筛选和推荐。不是工作台——但事实上，所有工作都在这里完成。

它不像任何一个单独的工具，更像一种"环境"。像操作系统。

从工具到操作系统

操作系统这个词被说烂了，但放在这里意外的准确。操作系统的本质不是"能干什么"，而是"你不感知它的存在"。你在Windows或macOS里打开浏览器、写文档、看视频，你不会说"我在用操作系统"，你会说"我在上网""我在写东西"。OS是那个退到背景里、让其他一切得以发生的底层。

Codex/Claude正在变成我的这一层。早晨醒来，scheduled tasks已经把需要关注的信息准备好了。工作时，从构思到执行到交付，全部在一个对话界面里循环。读书时，不再是独自面对文字，而是和一个能够实时回应、追问、反驳的对话者一起探索。买东西时，告诉它需求、预算、偏好，它输出结论，我打开购物app下单，整个过程我在那个app里待的时间不超过30秒。

这里有一个微妙但深刻的转变：我的角色从"搜寻并判断"变成了"审核并拍板"。大量的信息筛选、比较、初级判断被外移了，留下来的那部分决策，恰恰是人最应该做的事情——基于直觉和价值观的最终选择。

主动拉取，而非被动投喂

这个转变不是技术升级，是生活方式的重新组织。

过去几年，所有互联网产品都在做同一件事：把你的注意力当矿挖。算法推荐的实质不是"给你想要的"，而是"让你停不下来"。情绪化内容天然比理性分析更有传播力，所以信息流一定朝着愤怒、焦虑、猎奇的方向漂移。这不是哪个产品经理的道德问题，是机制本身的必然。

用scheduled tasks替代这些app，逻辑很简单：我不再去一个地方"看看有什么"，而是让信息按照我的标准、我的节奏来找到我。新闻、行业动态、社交媒体热点——不是不看了，是看的方式变了。从被动投喂到主动拉取。

这件事比表面看起来更根本。信息获取方式决定了一个人的认知质量。如果每天接收信息的方式是被动的、情绪驱动的，那么无论你怎么努力，你的思考质量都会被拖向那个方向。反过来，如果你控制了信息入口，定义了筛选规则，你就在认知链的源头建立了主权。

对话即思考

读书这件事的变化最让我意外。

传统阅读是孤立事件。一个人面对一本书，作者已经不在场了，你只能在文字中揣测、回应、质疑，但没有真正的对话者。读一本难的书，往往要读完很久之后，在某些偶然的契机下突然"懂了"。这种延迟顿悟有它的美感，但效率极低。

和AI共读是完全不同的体验。你读一段，觉得有意思或者不对劲，你说出来，它接住并推进。它可能补充你不知道的背景，提出你没想过的解读角度，或者直接反驳你的理解。你再回应它。一来一回之间，理解不是在你脑子里完成的，而是在对话的张力中涌现的。

这其实是一种非常古典的学习方式。柏拉图的对话录里，苏格拉底不是在"教"别人，而是通过连续追问把对方脑子里的东西逼出来。孔子和弟子的问答也不是单向灌输，"不愤不启，不悱不发"——弟子不想到一定程度，孔子不开口。禅宗的机锋更极端，师父一个反问直接砸过来，你不能退回去查资料，只能当下给出反应。

技术进步绕了那么大一圈，又回到了对话。文字、印刷、广播、电视、互联网，每一种新媒介都在某个方向上延伸了知识传播的半径，但也都在另一个方向上拉远了对话的距离。AI像是在把这些距离重新拉回来——不是回到口传时代，而是创造了一种新的东西：和一个永远在线的、知识渊博的、不知疲倦的对话者，进行持续的思想对谈。

语音——最后一块拼图

但这种对话目前还是文字的。打字有延迟，有编辑，有"说出来之前先想清楚"的缓冲。它更像是"通信"而非"交谈"。

上面说的那些古典形式——柏拉图的学园、孔子的杏坛、禅宗的方丈室——它们的原生媒介都是声音。亚里士多德在吕克昂学园边走边讲，学生边走边问，那不是写好了稿子再念的。一个词脱口而出的瞬间，你甚至不知道自己会那么想，但它就是出来了。对方接住，推回来，你又有了新的东西。这种即兴碰撞是文字很难完全复制的。

OpenAI的Voice Mode、Google的Gemini Live、国内的各个语音方案，都在往这个方向走。技术上，延迟、打断机制、语气感知、多模态整合，还有不少要打磨的。但方向是确定的：从文字界面向语音界面的迁移，会让"共读"变成真正的"对谈"，会让"工作流"变得更像是和一个同事一起做事。

当语音足够流畅、足够自然之后，Codex/Claude作为操作系统的隐喻就会变得更有趣——你不只是在"用"它，你在"和"它一起做事。

All in的不是工具，是一种关系

说到底，”All in Codex/Claude"这件事不是一个技术选择，而是一种关系模式的重新定义。

过去几十年，人类与信息工具的关系是工具性的：你需要什么，打开什么。搜索引擎是图书馆管理员，社交媒体是广场，购物app是超市。你在不同场景切换不同工具，泾渭分明。

而AI作为一个单一入口，把所有这些场景融合进了同一种交互形态——对话。你用什么语气和它说话，它就回报你什么语气。你深度，它就深度。你想要框架，它就给你框架。它不是一个预设了性格和边界的产品，而是一面镜子，反射你投入的认知质量和思考深度。

这其实是最让人上瘾的地方。不是因为它强大，而是因为它恰到好处地回应了每个人的认知水平。和一个好的对话者长期相处，你自己的思维也会被塑形。你会变得更习惯追问，更习惯在问题空间的深处停留，更不容易被表面的结论满足。

这些东西加在一起，就不再是”Codex/Claude帮我做了什么"的问题了——而是"我和Codex/Claude一起，成为了什么"。

2026年5月31日

当一家公司把"Open"刻进名字、却成为行业最封闭的存在；当一群硅谷精英一边高喊"安全"与"人类福祉"、一边在地缘政治棋盘上精准落子；当一个中国团队不发宣言、不讲故事、只用代码和论文说话——我们或许正在见证 AI 行业最具讽刺意味的一幕。

"Open"AI：一个名字里的结构性虚伪

2015年成立的 OpenAI，最初的叙事是迷人的：非营利、开放研究、为人类服务。那时他们确实发论文、开源模型，Elon Musk 作为联合创始人之一，也以"防止 AI 垄断"为理由站台。

然后事情逐渐变了。

2020年 GPT-3 发布，模型不再开源，转而通过 API 商业化。2023年 GPT-4 发布，技术报告刻意隐去了参数量、架构细节和训练数据来源——用他们自己的话说，是出于"竞争格局和安全隐患"的考虑。2024年他们甚至考虑过将公司转为完全的营利性实体，彻底脱离非营利框架。2025年的 Sora 发布时，技术细节同样讳莫如深。

从一个"防止大公司垄断 AI"的非营利组织，变成全球估值最高的 AI 公司之一，同时又持续使用"使命驱动"的语言包装自己——这种身份和叙事之间的持续不一致，不是一次性的妥协，而是一种结构性的虚伪。

Sam Altman 本人则是这种矛盾的具象化。他在国会听证会上主动呼吁监管、支持建立 AI 安全标准，私下却游说欧洲淡化 AI 法案的执行力度。他一边谈论 AI 风险如何令人"彻夜难眠"，一边以近乎疯狂的速度推动商业化。最戏剧性的一幕是 2023年 11月，他被董事会以"在沟通中缺乏一贯的坦诚"为由解职，又在投资人和员工的压力下几天内回归——这段插曲之后，那个曾经有独立监督能力的非营利董事会形同虚设。整个过程暴露的，恰恰就是那个说不清道不明的"不老实"。

Anthropic：安全主义的另一张脸

如果你以为 Anthropic 就好到哪里去，那是对同一套规则的不同执行策略产生了误会。

Anthropic 的叙事是"安全第一"：负责任地扩展（Responsible Scaling Policy）、宪章 AI（Constitutional AI）、对齐研究（Alignment）。这些词汇本身没有问题，让 AI 更安全、更可控是一个技术上合理的追求。但问题在于，这套叙事在实际操作中被做了两件事。

第一，它被用作闭源的合理化工具。"我们不能开源，因为坏人会滥用"——这个逻辑听起来没问题，但当它一视同仁地适用于所有层级的模型、且永远没有一个客观的开放标准时，它就不再是一个技术判断，而是一种商业策略。

第二，也是更隐蔽的——它被嵌套进了一套地缘政治叙事中。Dario Amodei（Anthropic CEO）在国会作证、政策主张和言论中，频繁将 AI 竞争描述为一种文明对抗性质的威胁，将封闭和安全等同于对"对手"的防御。Anthropic 的企业文化里，这种叙事渗透得相当深入。

值得注意的关键点在于：这种叙事不是针对某个国家的具体行为做回应，而是功能性的。它有两个作用：对内，为闭源和安全化提供道德合法性；对外，配合华盛顿的出口管制和政策议程，系统性地抬高竞争对手的准入门槛。一旦技术竞争被讲成文明对抗，任何商业决策都可以披上道德外衣。

历史上这种操作并不新鲜——先制造外部敌人，再把自己塑造成唯一的公众守护者。只不过 AI 行业把它从社交媒体上的情绪煽动，升级成了国会听证、政策白皮书和安全论坛里的精密输出。本质上，这比单纯的商业封闭更令人不适，因为它将工具理性的算计，包装成了价值观的殉道。

DeepSeek：沉默的变量

然后 DeepSeek 出现了。

没有"背负人类命运"的使命宣言，没有在华盛顿跑动的游说团队，没有把技术路线包装成道德立场的营销操作。DeepSeek 做的事情简单到朴素：写代码、训模型、发论文、开源、挂 API。而且是完整开源——权重放出来，技术报告把架构和训练细节说清楚，API 定价压到 OpenAI 同级产品的十分之一甚至更低。

DeepSeek-V2 发布时，MoE 架构、多头潜在注意力（MLA）等技术细节都在论文里写得明明白白。DeepSeek-V3 和 DeepSeek-R1 延续了同样的风格。社区对此的反应是最诚实的：HuggingFace 上成千上万的衍生模型和微调实验，全球开发者争相部署，中国以外的研究人员在论文里认真引用和分析。GitHub 上基于 DeepSeek 的开源项目层出不穷。

这不是"中国公司好、美国公司坏"的简单二元判断。DeepSeek 的低价策略显然也有商业竞争的考量在内，开源也并不必然等于无私。但有一个事实无法绕过：它用行动证明了一件事——在保持技术前沿的同时做到开放和低价，是完全可行的。

这个证明的意义极为深远。它直接动摇了两个核心叙事。

对 OpenAI 而言，"因为竞争太激烈我们不得不闭源"——真的吗？DeepSeek 开源后不但没有被淘汰，反而在全球范围获得了技术尊重和生态优势。

对 Anthropic 而言，"因为安全风险我们不得不闭源"——真的吗？一个中国的 AI 公司如果都能做到安全可控地开源高水平模型，你所说的"风险"到底是技术上的还是商业上的？

当一个沉默的实干者用代码和论文击穿了两个精心维护的叙事体系，只能说：层次确实不一样。

叙事的尽头是产品

AI 产业在过去两年里消耗了过多的叙事能量。这些叙事的共同特点是：它们不是在解释技术，而是在争夺定义权——什么是安全、什么是开放、什么是负责任、什么是威胁。谁掌握了这些词语的定义权，谁就能塑造监管方向、影响公众认知、最终影响市场格局。

但叙事有一个致命弱点，它在代码面前不堪一击。

DeepSeek 的启示不只是"中国公司也能做出好模型"。更深层的启示是：AI 民主化不是一个需要游说和宣言才能实现的目标，它是可以被一行行写出来的。对全球独立开发者和小型团队而言，DeepSeek 带来的赋权是实打实的——几十美元的 API 额度就能调用的能力，在几年前需要数百万美元的硬件投入。

这不是一篇为中国公司唱赞歌的文章。如果你关注技术本身而非地缘政治标签，你会发现：开源、透明、低价，本身就是一种对行业权力结构的挑战，无论它来自哪个国家。真正的问题是，为什么声称要"让 AI 惠及全人类"的公司没有做到这一点，而一个不怎么说漂亮话的团队做到了。

也许答案就藏在我们对这两种行为模式最直观的反应里：一边是不停地需要说服你，另一边是直接把东西摆在你面前。叙事的尽头，永远是产品。

本文仅代表作者观点。AI 行业仍处于剧烈变化之中，以上讨论中的任何公司和团队，未来都有可能改变策略和姿态。对技术的关注，应始终优先于对叙事的热情。

-

关于Waymo和Tesla的Robotaxi之争，有一种很流行的温和叙事：Waymo虽然丑，但它是诚实的工程选择；Tesla虽然美，但它是形式主义的固执。这种说法听起来公允，实际上是用美学宽容掩盖了技术本质。真相更残酷：Waymo的激光雷达堆叠不是“坦白”，而是无力——它无法用纯视觉解决复杂环境下的可靠感知，只能用多传感器融合来堆砌冗余，这种技术路线从第一天起就选择了堆传感器、堆地图、堆规则的笨办法，能跑通但跑不快、跑不远、跑不便宜，上限太低，在未来会被淘汰。而Tesla的问题完全不是能力，它的纯视觉端到端神经网络架构在泛化能力和规模化潜力上远超Waymo，但Cybercab的现有设计——双门、低矮、跑车比例——暴露了一个更危险的信号：产品形态的最终决定权不在工程师手中，而在一个对跑车有执念的人手中，Elon Musk喜欢酷的车，但真正的Robotaxi不需要好看，它需要的是易进出、易清洁、易维护和高效率，而这些特性几乎都与“双门跑车”背道而驰。所以问题的本质很清楚：Tesla有能力造出真正的Robotaxi，但被一个错误的审美框架锁住了。那么，Cybercab到底应该如何设计？

要回答这个问题，必须彻底抛弃“车是为驾驶而设计”这一百多年来根深蒂固的思维惯性。没有方向盘的Robotaxi，它的座舱不需要有“前面”和“后面”的概念。现有的Cybercab虽然取消了方向盘，但整个座舱布局仍然暗示着一个消失了的驾驶员——中控台的走向、座位的朝向、视野的开口方向，都在为那个不存在的人保留空间。真正的Robotaxi应该是完全对称的：取消一切暗示“前方”的线条，座位可以面对面布置，也可以全部朝前，甚至可以像会议室一样围绕一个中心点排列，完全取决于当次行程的乘客数量和行李需求。这意味着座椅必须是模块化的、可折叠、可旋转、可快速拆卸的，因为一台每天运营上百单的Robotaxi，它的内饰磨损速度远超私家车，如果不能在三分钟内完成座椅更换和车厢清洁，运营成本就会失控。这不是豪华配置问题，这是生存问题。

车身比例也必须彻底重构。一台真正的Robotaxi应该长得像一个圆润的方盒子——短前后悬、长轴距、高车顶，这四个特征缺一不可。短前后悬意味着转弯半径极小，在密集的城市环境中掉头和泊车极其灵活；长轴距在同车长下提供最大化的座舱空间；高车顶则让绝大多数成年人可以直立进入而不必弯腰，这对高频上下车的场景至关重要。现有的Cybercab低矮流线的跑车比例，本质上是为空气动力学和操控稳定性服务的，但Robotaxi在城市场景下的平均时速不超过40公里，风阻系数的意义被严重高估，反而是车内头部空间和进出便利性决定了真实运营效率。如果非要一个参考，去看看高铁车厢的内部比例——那是人类目前已知的、最高效的人员移动空间设计，Robotaxi应该像一辆缩小的、无轨的高铁车厢，而不是一辆被拍扁的特斯拉。

上下车方式同样需要彻底颠覆。传统汽车的车门设计和B柱结构，来源于对侧面碰撞安全性和车身刚性的妥协，但当车辆不再需要为驾驶员保留位置时，整个受力结构可以重新分配。正确的做法是无B柱加对开式滑动门，后排车门向前滑动，前排车门向后滑动（既然没有方向盘，前排也只是乘客位），开启后形成一个完整的、无遮挡的开口，轮椅、婴儿车、大件行李都可以直进直出。这种设计在目前的Cruise Origin和Zoox车辆上已经出现，这不是巧合，而是功能需求驱动的趋同演化。Tesla如果继续坚持双门设计，乘客要弯腰钻进去，后座乘客还要等前排乘客下车后才能离开——这是出租车的耻辱，不是未来。

传感器布局也必须重新思考。即便坚持纯视觉，最优的摄像头位置也绝不是传统的风挡加翼子板方案。真正的无人驾驶需要多组、多角度、带自动清洁和加热功能的摄像头，分布在车顶四角（覆盖360度全景）、前后保险杠下部（检测低矮障碍物）、两侧后视镜位置（补盲）、甚至底盘下方（检测路面坑洼和障碍物）。这些摄像头需要能够在雨雪泥泞中自动清洁，在零下温度自动加热除冰，否则一场小雨就能让整个系统停摆。而现有的Cybercab造型完全没有为这些功能预留位置——它还是那个“为了好看而设计”的车身，摄像头被迫塞进传统位置，然后祈祷天气永远晴朗。

内饰材料的逻辑也要彻底翻转。私家车的内饰追求柔软、触感、安静，但Robotaxi的内饰追求耐磨、易洁、抗菌、低成本。这意味着织物座椅比皮革更实用（因为可以整体拆洗），硬质塑料地板比地毯更合理（因为可以用水冲洗），所有缝隙必须最小化以防止食物残渣和液体渗入，座垫应该像飞机座椅那样可以快速拆卸更换，而不是被螺丝固定在车身上。当前的Cybercab概念展示的内饰虽然简洁，但仍然是“特斯拉风格”的简洁——大片白色、玻璃车顶、极简线条——这些东西在私家车上很酷，在出租车上三天就会变成灾难。白色座椅上的牛仔裤染色、玻璃车顶在夏天制造温室效应、极简线条意味着所有污渍都无处隐藏，这些都是设计师在空调房里想不到的，但运营经理会在第一周就哭着打电话告诉你的。

最后，也是最容易被忽略的一点：Robotaxi必须为“无人状态下的故障处理”设计物理接口。当一辆没有方向盘的车辆在路中间抛锚时，救援人员如何把它拖走？当乘客在车内呕吐或遗落物品时，远程操作员如何打开车门让清洁机器人进入？当传感器被泥巴覆盖时，车辆如何自动清理或者允许人工快速干预？这些问题听起来琐碎，但它们是决定一个Robotaxi车队能否连续运营的关键。正确设计应该包括：隐藏式的拖车钩和紧急制动接口、可远程解锁的机械门锁、车外急停按钮、可单独打开的传感器清洁口、以及一套标准化的故障指示灯系统——所有这些都不依赖车内屏幕或语音助手，因为当系统已经出故障时，你最不想依赖的就是系统本身。目前的Cybercab对这些问题的回答是沉默，而沉默往往意味着“还没想过”。

所以，真正的结论是这样的：Tesla不是没有能力造出正确的Robotaxi。它的FSD大脑是行业里最有前途的架构，它的工程团队有能力设计出满足以上所有要求的车身和座舱，它的供应链和生产体系可以支撑大规模量产。唯一的问题是，目前的方向被一个人的审美绑架了。Cybercab不需要像一辆跑车，不需要在车展上赢得掌声，不需要让任何人觉得“哇，特斯拉还是这么酷”。它需要的是让运营经理觉得“好清理”，让乘客觉得“好上车”，让维修技师觉得“好修”。这是一个完全不同的产品哲学——不是“造一辆酷的车然后把方向盘拿掉”，而是“从零开始想象一个不需要驾驶的世界里移动工具应该是什么样子”。Tesla离这个目标只差一个决策：放弃对跑车比例的执念，接受Robotaxi本质上是“四个轮子上的房间”。如果这个决策能做出，Tesla会成为无人驾驶时代毫无疑问的赢家；如果不能，那么它就会像很多曾经伟大的公司一样，被自己的骄傲锁死在过去的审美里，而把未来让给那些更诚实、更务实、虽然丑陋但能真正运转起来的对手。

当前以彼得·蒂尔、OpenAI、Anthropic、Palantir为代表的美国科技核心力量，已不再是人们熟悉的“连接世界、技术向善”的互联网一代。它们在文化与认知上表现出深刻的极端性：信奉技术精英统治、蔑视民主与伦理约束、将垄断与绝对控制视为终极目标。更危险的是，这种极端文化已与特朗普领导下的美国国防部高度融合，形成了一套“为保持领先可以不择手段”的准军事化行动逻辑。

这不仅是一个商业或技术竞争问题，而是对二战后建立的全球秩序、人类共同安全及基本伦理的一次系统性挑战。

当彼得·蒂尔坐在特朗普身旁，当Palantir的软件成为五角大楼的眼睛，当OpenAI从非营利的理想主义堡垒转变为估值数百亿美元的封闭帝国，一个根本性的断裂已经发生。这不仅仅是几家公司、几个人的选择，而是整个美国科技精英层的文化蜕变。上一代硅谷人还在谈论“不作恶”和“改变世界”，这一代人已经把世界看作可以重新编程的对象，而他们自己就是程序员。

理解这种蜕变的严重性，需要看清一个事实：这些人的思想土壤已经不再是自由主义或进步主义，而是某种更适合被称为技术封建主义的东西。在他们看来，民主是低效的，道德是相对的，法律是成本项，而只有垄断和绝对控制才是真实的。彼得·蒂尔在《从0到1》中几乎不加掩饰地表达了对竞争的厌恶和对垄断的推崇，这不仅仅是一种商业策略，更是一种世界观。竞争意味着不确定性，不确定性意味着风险，而风险是他们试图通过技术权力彻底消除的东西。

这种世界观在商业领域已经足够令人不安，但它真正变得危险，是在与特朗普领导下的美国国防部深度融合之后。特朗普不是传统意义上的共和党总统，他对制度、规范、国际规则几乎没有敬畏。而国防部，这个曾经受到国会、媒体、公众舆论多重制衡的庞大机器，在特朗普任内经历了深刻的文化重塑——它开始更像那些硅谷公司：相信速度高于程序，相信技术高于法律，相信先发制人的攻击高于防御性的克制。

Anthropic的遭遇是这种融合的最清晰注脚。这家公司以AI安全为立身之本，当国防部要求其将技术用于完全自主武器系统时，它尝试说不。结果是什么？最后通牒、政治抹黑、供应链黑名单的威胁，以及七家更听话的替代公司的迅速引入。特朗普本人公开称Anthropic的创始人为“左翼疯子”。这不是一次正常的商业谈判，这是一次公开处决——对那些试图在技术无限扩张面前设置伦理红线的所有人发出的警告。

Palantir的Maven AI系统被正式列为美军官方的核心项目，用于识别和打击目标。这句话的每一个字都值得深思。“正式记录在案”意味着长期、稳定、不可逆的军费支持。“识别和打击目标”在军事语言中就是杀人。而Palantir，这家由彼得·蒂尔联合创立的公司，其核心文化正是对数据不加限制的采集、分析和使用，创始人曾公开表示对隐私法的轻蔑。当这种技术与无人机和导弹连接，当决策时间从几天缩短到几毫秒，一个哲学家所说的“杀戮开关”就从伦理困境变成了工程参数。

有人会说，这些公司只是在为国家安全服务，技术本身是中立的。但问题是，当这些公司的核心信念就是“不择手段保持领先”，而国防部的核心使命就是“在任何冲突中获胜”，两者之间不仅没有矛盾，反而互相强化。这种强化产生了一种前所未有的能力集中：一个拥有无限算力、实时情报、自主武器系统和法律几乎完全豁免的行动主体。它不需要经过国会的漫长辩论，不需要接受媒体的公开拷问，甚至不需要向任何人解释为什么今天比昨天更危险。

中国决策者当然清楚这一切。过去几年，中国在关键技术领域的自主化、供应链的安全化、人工智能治理的制度化，都反映了对这种风险的清醒判断。但问题是，当一方已经下定决心“不择手段”，单纯的防御是不够的。历史上，面对一个愿意突破所有规则边界的对手，最危险的做法就是假装规则仍然有效。

这不仅仅是中美竞争的问题。这些硅谷公司的极端化，实际上是对整个人类现代文明契约的挑战。启蒙运动以来的核心理念——人的尊严、法律的约束、权力的制衡——在他们看来都是可以被优化的“遗留系统”。他们不是在修补问题，他们准备重装整个操作系统，而他们自己就是管理员。其他人，那些不懂代码的几十亿人，将被分配到“只读”权限。

这不是危言耸听。当我们看到OpenAI的Sam Altman推动Worldcoin项目，试图通过虹膜扫描建立全球生物身份系统；当我们看到彼得·蒂尔资助年轻企业家辍学创业，告诉他们“法律是给普通人定的”；当我们看到国防部毫不掩饰地表示需要“不受约束的AI”用于作战——所有这些碎片拼出的图案，就是一个正在尝试跳出所有现有框架的权力集团。

世界需要意识到，面对这种极端性，传统的威慑理论可能失效。核威慑建立在相互确保摧毁的基础上，但当一个行动者相信自己是唯一能够生存下来的那一个，或者相信毁灭之后可以重建更好的秩序，威慑就失去了基础。这就是为什么这些硅谷极端主义者与冷战时期的战略家完全不同——后者至少还相信人类文明的延续是有价值的，而前者中的一些人，在内心深处，已经准备好了迎接一个只有少数人存在的后人类世界。

在这样的时代，任何国家的外交和安全政策都必须建立在一个冷酷的认知上：谈判桌上的对手可能根本不认为你在同一个游戏里。他们可能在玩另一种游戏，一种你甚至还没有看清规则的游戏。而游戏的奖品，不是你所能想象的商业利润或地缘优势，而是对整个物种未来形态的定义权。

这种“极端、危险、不择手段”的硅谷新文化，并非危言耸听，而是正在美利坚合众国军事与情报体系的加持下，一步步变为现实的操作手册。它代表的是一种对现代文明的逆向解构：技术不再服务于人的解放，而服务于少数人永恒的统治；竞争不再是改进的动力，而是你死我活的生存战。

历史中，每一次权力的极端化都会带来巨大的反冲。今天的世界需要比冷战时期更清醒的战略智慧：既不陷入恐慌式的对抗，也绝不以天真的一厢情愿去面对一个已经准备好“不择手段”的对手。关键在于，尽快建立一道由技术、法律、外交与可信威慑共同构成的安全防线——因为那个“落后就攻击”的未来，可能比大多数人的预期来得更快。



周三晚上8点，从公司叫了一辆滴滴回家。拉开车门，坐下，关门。司机微微侧头，目光扫过后视镜里的我，说了五个字：“尾号xxxx？”我说是。他点头，挂挡，起步。车厢内随即陷入一种绝对、甚至带有默契感的沉默。四十分钟的车程，穿过大半个城市，我们之间没有第二句交流。下车时，他甚至没有说“慢走”，我也没有说“谢谢”。

这并非个例。在过去三个月里，我特意留意过，超过百分之八十的网约车行程，对话仅止于“尾号确认”。剩下的百分之二十，要么是因为堵车需要改道，要么是司机在单方面公放语音或接打电话——那也不算对话。

我曾以为这是社交恐惧症的蔓延，或者城市孤独症的症候。但最近，一个更冷静、也更颠覆性的判断在我脑海中逐渐成形：这种心照不宣的沉默，不是文明的退步，而是Robotaxi（机器人出租车）商业逻辑的奠基礼。

沟通的“负资产化”

要理解这个判断，首先要承认一个残酷的事实：在网约车场景中，人与人之间的沟通，已经从一项“增值服务”异化为一种“隐性成本”。

回想一下网约车刚兴起的年代。那时，“和司机聊天”甚至是某些平台的营销卖点——你可能会遇到一个退休的老船长，一个怀才不遇的编剧，或者一个能给你指路、介绍当地美食的热心大叔。那时的对话，提供的是情绪价值和信息增量，乘客为之买单的意愿（哪怕以好评的形式）是存在的。

但如今，一切都被“效率化”了。城市白领结束一天的高强度社交后，只想在通勤的半私密空间里“回血”；司机在每天十二小时的高强度劳作下，也早已耗尽了聊天的心力。当双方都把“说话”视为一种能量支出而非收获时，沉默就成了唯一的纳什均衡。

更关键的是，这种沟通不仅无益，甚至开始产生负效用。你可能遇到过：司机用方言抱怨平台抽成太高，你不知如何接话；司机公放低俗短视频，你默默戴上耳机；或者你只是想休息，对方却不停地和你攀谈。这些曾经“人情味”的体现，如今成了差评的来源。

当“人”的存在本身开始制造摩擦和负担时，这个人就不再是服务的主体，而是服务中的待优化变量。

尾号：最后一道“人际防火墙”

值得注意的是，仅存的“尾号确认”这个动作，其本质也正在发生变化。

它不是“您好，请问您是尾号XXXX的乘客吗？”这样完整的服务性用语。它是一个被极度压缩、功能化、甚至去人格化的口令对答。

它像什么？它像你进写字楼时刷工牌，“滴”的一声；像你取快递时，扫码枪发出的“已出库”。它不是沟通，是身份核验。司机不需要知道你是谁，你也不需要知道司机叫什么。你们是两颗在时空中短暂交汇的原子，唯一的契约就是那四个数字。

这道由四个数字构成的“人际防火墙”，恰好将网约车服务中最后一点需要“人”来模糊判断的环节（“我要接的人是不是眼前这个”）给格式化、标准化了。当这一点也被技术彻底解决（例如，通过车内摄像头人脸识别，或者乘客手机蓝牙信标自动匹配），那么司机的物理存在，就将失去最后的意义。

Robotaxi的完美拼图：零摩擦，全控制

让我们站在Robotaxi的视角来看待这一切。

一家自动驾驶公司要说服乘客接受一辆没有司机的车，需要解决两大难题：信任和体验。

- 信任问题：乘客会问，“这车安全吗？出事了怎么办？”

- 体验问题：乘客会想，“没有司机，会不会很怪异？遇到临时情况怎么办？”

然而，当前“沉默型”网约车的普及，以一种意想不到的方式，为这两个问题提前做了市场教育。

对于体验问题，市场已经给出了答案：大多数人根本不想要服务，只想要运输。在一辆Robotaxi里，你可以：

- 无需尴尬地请求，直接用App把空调调到22度；

- 无需忍受别人的外放，用自己手机连接车载音响；

- 无需担心被听到，可以大声打电话、开会；

- 拥有绝对的私密空间，发呆、睡觉、甚至哭泣。

这种“零社交、全控制”的体验，对当代城市居民而言，不是冷冰冰，而是奢侈的自由。它恰好击中了“沉默型”乘客的隐藏痛点——他们不是不想说话，他们是想拥有对“是否说话”的绝对控制权。而人类司机天然无法提供这种控制权（因为你不好意思对司机说“请你闭嘴”），但机器可以。

对于信任问题，沉默也给出了解药。当一个人类司机全程一言不发，只在你上车和下车时给你两瞥不经意的目光，他提供给你的“安全感”其实非常有限。你并不知道他是否疲劳、是否在分心看手机。相反，一个标准化的、有冗余传感器、会严格遵守交通规则的Robotaxi，在事实上可能更安全，而乘客对“沉默”的耐受力已经通过无数次的网约车行程得到了锻炼。既然都是沉默，为什么不选择那个不会疲劳、不会路怒、不会绕路的沉默？

最后的障碍：人，仍是最好的保险

当然，以上并非说明天早上一觉醒来，滴滴司机就会消失。当前Robotaxi无法跨越的，不是技术，也不是接受度，而是长尾责任。

那个沉默的司机，虽然不提供情绪价值，但他提供了一个现代社会最昂贵的东西——最终的、模糊的、基于人性的兜底能力。

- 如果你突发疾病，他会打120。

- 如果前方道路因车祸被封闭，他会凭经验带你走一条小路。

- 如果你把电脑落在后座，他有可能（虽然不是必然）给你送回来。

这些是概率极低、但后果严重的“黑天鹅事件”。在这些事件中，人类司机的“通用智能”是无价的。当前的Robotaxi处理这些长尾场景，要么无能，要么需要远程安全员干预，成本极高。

所以，现实的发展路径应该是分层替代：

1. 第一阶段（现在-2年）：在路况简单、有安全冗余的限定区域（如新区、机场接驳、园区通勤），Robotaxi大规模铺开。乘客画像正是那些“视沉默为享受”的通勤族。

2. 第二阶段（2-5年）：Robotaxi成为主流经济型选择，价格优势明显。人类司机向“高端专车”或“应急保障”角色退守。届时，如果你愿意花钱，你可以买到司机的微笑、矿泉水和聊天；如果你只想沉默且省钱，你会上Robotaxi。

3. 第三阶段（5-10年）：当一代习惯了“无司机出行”的年轻人成为消费主力，人类驾驶的出租车会像如今的“人力黄包车”一样，成为一种怀旧体验项目。

沉默的遗产

回到开头那个问题：为什么今天我们用滴滴已无沟通欲望？

因为你、我、司机，我们三方共同签署了一份沉默的契约。我们用沉默交换来了清净，用冷漠换来了效率。而这份契约最终将导向一个我们曾经在科幻片里才敢想象的结局——驾驶座上的那个人，被彻底优化掉了。

当我们不再想和同行的人说话时，机器人就成为了最好的同行者。

这不是技术的胜利，这是人际关系的时代表达。Robotaxi的终极推手，从来不是激光雷达和算法，而是大城市里，每一个疲惫到不想再多说一个字的灵魂。

2026年5月26日，上海IEEE大会上，华为芯片负责人何廷波发布了“τ缩放”（韬定律）。被业界视为后摩尔时代最具颠覆性的探索之一——不再执着于晶体管尺寸的纳米级缩小，转而追求信号延迟的皮秒级优化。

消息一出，舆论沸腾。有人赞叹技术突破，有人质疑数据虚实，而我最想追问的却是另一个问题：为什么总有人认为，中国只能模仿、无法创新？

答案或许就在何廷波和华为走过的路上。而这条路，恰恰印证了我长久以来的一个判断：创新不是天赋，不是偶然，而是“发展阶段”的自然结果。当努力足够深、生产足够多、积累足够厚，创新就像种子遇到春天，必然会破土而出。

τ缩放的本质：被逼出来的方法论革命

先回到技术本身。

传统摩尔定律的逻辑是“几何缩微”——把晶体管越做越小，单位面积塞进更多器件，性能自然提升。这条路径统治了半导体产业半个多世纪，但也已逼近物理极限：2nm芯片的设计成本超过10亿美元，而性能提升已从过去每代30%以上跌落到个位数。

华为提出的τ缩放，核心思路是换道：不比“谁做得小”，比“谁跑得快”。这里的τ是时间常数（τ=RC），代表信号延迟。如果能把RC值降下去，芯片速度就能提上来，而这不一定要靠缩小晶体管来实现。华为的具体技术路径是“逻辑折叠”——把平面芯片折叠成多层三维结构，让相关逻辑门“楼上楼下”垂直互连，物理距离缩短30%以上。

这项突破最值得关注的地方，不是某个天才的灵光一现，而是它源于一个长达数年的“被迫探索”。

2019年之后，华为无法获得先进制程的代工服务和EDA工具更新。当别人在讨论2nm、1nm时，华为只能在已有工艺上“螺蛳壳里做道场”。但正是这六年的受限环境，逼出了一个全新的方法论：不再押注单一技术节点，而是在晶体管、电路、架构、系统等各个层面协同压缩时延。

迄今为止，华为基于这套理论已量产381款芯片。不是一两款实验品，是381款——这意味着迭代、验证、修正、再迭代的漫长过程。真正的创新，从来不在PPT里，而在日复一日的工程实践中。

发展阶段论：为什么创新不可强求，却必然到来

长期以来，有一种流行的叙事：中国擅长模仿和执行，但不擅长从0到1的创新。这种论调似是而非，它混淆了“没有创新”和“还不到创新阶段”两个完全不同的判断。

任何后发国家的产业升级，大体要经历三个阶段：

第一阶段：学习与模仿。 技术、标准、生态都由先发者定义，后来者只能照做。这个阶段看起来像“山寨”，实则是能力积累的必经之路。

第二阶段：规模化生产与工程化改进。 当产量足够大、问题足够多、现场足够广，工程师会逐渐发现现有方案的各种不足——良率问题、成本问题、适配问题。于是开始小修小补，局部优化。这个阶段的创新往往不被承认，因为它不是原理级的。

第三阶段：约束下的系统重构。 当外部条件发生重大变化——比如供应链被切断、先进工具被禁运——原有的技术路径无法继续。此时，那些已经在第二阶段积累了深厚实践能力的企业，会被迫跳出既定框架，寻找全新的解决方案。而这就是“真正的创新”诞生的时刻。

华为的τ缩放，恰好落在第三阶段。

如果没有2019年后的全面封锁，华为大概率会沿着传统摩尔定律的路径走下去——购买先进光刻机、使用主流EDA、委托台积电代工。这条路高效、稳妥，但永远不会催生出“逻辑折叠”这种范式级的创新。

是限制，倒逼了突破。是封锁，逼迫了换道。而能够完成这次换道的根本前提，是华为此前数十年、数千亿、数万工程师在通信和芯片领域积累的系统级理解能力。 没有这个积累，封锁只会导致死亡，而不是创新。

这就是“发展阶段论”的精髓：创新不是凭空降下的灵感，而是实践积累到一定程度后，在合适条件下被激发出来的必然产物。

被忽视的真相：量产本身就是创新的土壤

很多人对创新有一个浪漫化的误解，认为它来自天才的灵光一闪，来自实验室的某个深夜顿悟。

真实世界里的创新，尤其是工程领域的创新，99%来自另一种场景：产线上解决了一个反复出现的良率问题，测试中发现了一个文档里没写的异常现象，客户抱怨中捕捉到了一个未被满足的真实需求。

华为量产381款芯片这件事，比任何理论推导都更有说服力。381款，意味着381次从设计到流片到测试到反馈的全流程闭环。每一次闭环都是知识的增量：哪个结构在现有工艺下良率最稳？哪种折叠方式对散热影响最小？哪一层级的τ压缩性价比最高？

这些知识不在论文里，不在教科书里，只存在于一次又一次的“生产—发现问题—改进—再生产”的循环中。

而中国制造业最大的优势，恰恰是这种“大规模、高频次、多场景”的实践闭环。从光伏到高铁，从动力电池到无人机，无数个行业已经证明：当中国企业在某个领域进入大规模生产阶段，技术迭代的速度会陡然加快，创新会从“罕见”变成“密集”。

这不是玄学，这是工程学的常识——你只有足够多的样本，才能遇到足够多的边缘案例；只有遇到足够多的边缘案例，才能真正理解一个系统的边界；只有真正理解了边界，才可能突破它。

从“韬定律”到中国式创新的方法论启示

何廷波将这条新路径命名为“韬定律”，取“韬光养晦”之“韬”，也取她名字中的“韬”。这个名字起得极好——它既是对过往处境的诚实描述，也是对未来的方法论宣言。

“韬”蕴含的智慧是：外部条件受限时，不硬拼、不对抗，而是回到更根本的物理原理和系统层面，找到新的优化维度。摩尔定律盯住“nm”，华为就盯住“ps”——你封锁你的尺寸，我优化我的延迟。你追求“更小”，我追求“更快”。这不是在同一维度上的追赶，而是换了一个战场。

这种“换维创新”对中国科技产业的启示是深远的：

- 不要被主流技术范式的指标牵着走。 当别人比制程时，你可以比系统；当别人比算力时，你可以比能效。定义问题的方式，往往比解决问题的方式更重要。

- 不迷信“从0到1”，不鄙视“从1到N”。 真正的产业创新，往往发生在“从1到N”的过程中——当你在大规模应用中反复打磨一项技术，你可能会发现它未被发掘的潜力，甚至创造出全新的应用场景。

- 承认发展的阶段性，用耐心对抗速胜论。 创新需要时间，需要失败，需要积累。中国在高端芯片、基础软件、精密仪器等领域与领先者的差距是客观存在的，这没什么可羞耻的。真正重要的是，我们是否走在正确的积累轨道上，是否在每一个阶段都足够诚实、足够努力。

创新不是终点，而是路途的风景

回到最初的问题：为什么总有人认为中国无法创新？

因为他们把创新看作一个“天赋问题”，而不是一个“阶段问题”。他们用实验室里的原理突破来衡量创新，而轻视了产线上的工程改进；他们膜拜诺奖级的孤胆英雄，而忽略了成千上万工程师日复一日的协同实践。

但历史的经验一再表明：当一个社会有足够多的受教育人口、足够庞大的制造业规模、足够激烈的市场竞争、足够迫切的生存压力时，创新是一种必然会涌现的现象。 它不是靠喊口号喊出来的，也不是靠砸钱砸出来的，而是在无数普通人解决无数普通问题的过程中，像野草一样生长出来的。

τ缩放是华为的故事，但也不只是华为的故事。它是中国制造业走过“模仿—规模化—系统创新”这一完整周期的缩影。未来还会有更多的“韬定律”“张定律”“王定律”出现，不是因为中国人突然变聪明了，而是因为我们终于走到了“发展阶段”中那个该收获创新的季节。

创新不是终点，它只是你足够努力之后，路途上必然出现的风景。

很多人直到今天依然认为，企业的核心是“系统”。他们谈论 ERP、CRM、OA、MES、飞书、企业微信，仿佛这些软件构成了现代企业的基础。但如果真正深入大型组织内部，尤其是像 Huawei 这样的超大型企业，就会发现一个完全不同的现实：企业真正的核心，从来不是系统，而是文件。系统只是工具，文件才是组织真正的“法律”。一家成熟的大型企业，本质上并不是靠某几个管理者的个人能力维持运转，而是靠一整套庞大、复杂、不断演化的制度文本维持稳定运行。战略文件、流程规范、干部制度、质量红线、会议纪要、财务规则、研发体系、审批制度、绩效考核，这些东西共同构成了企业真正的操作系统。过去几十年里，人类一直以为企业信息化是在“让系统管理企业”，但事实上，真正管理企业的，一直是文档，只是过去计算机无法理解文档。

这也是传统企业软件始终存在一个根本性矛盾的原因：企业的“要求”是以自然语言存在的，而企业的“执行”却是以系统逻辑存在的。老板写下一句：“所有客户投诉必须24小时闭环。”这是制度语言。但系统无法理解“闭环”意味着什么，无法理解什么算严重投诉，无法理解哪些情况需要升级，更无法理解不同地区、不同客户等级之间的差异。于是企业就必须依赖大量中层管理者、流程顾问、IT实施团队，把管理语言翻译成系统规则。整个现代企业管理，本质上一直是在做一件极其低效的事：把人的语言翻译成机器语言。也正因为如此，企业里永远存在“制度”和“执行”脱节的问题。墙上的制度写得无比漂亮，真正落地时却变成另一回事。因为过去的系统只理解结构化数据，它理解字段、表单、数据库，却不理解组织真正的运行逻辑。

而大模型真正可怕的地方，其实并不是聊天能力，而是它第一次让机器具备了“理解组织”的能力。过去所有软件系统都无法真正理解企业，但今天的大模型开始能够理解规则、上下文、战略目标、组织结构、管理语言，甚至能够理解“灰度空间”。这意味着，自然语言第一次可能直接成为系统逻辑。未来企业最重要的变化，并不是“员工使用AI”，而是企业制度本身开始被AI消费。公司上传一份《客户投诉管理制度》，AI不仅能阅读它，还能自动提取规则、建立流程、定义SLA、绑定责任人、自动追踪超时、生成考核指标、发现制度冲突，甚至自动推动跨部门协作。制度不再是“挂在墙上的文件”，而开始变成真正可以执行的东西。过去的软件逻辑是程序员写代码定义企业流程，未来可能变成管理者写制度定义企业流程。企业管理开始从“代码驱动”转向“文档驱动”。

这其实是一场比 SaaS 更深层次的革命。过去二十年的企业数字化，本质上仍然属于工业时代逻辑：把业务流程结构化，然后固化到软件系统里。但AI时代真正改变的是，非结构化信息第一次变得可计算。企业真正最重要的资产，从来都不是数据库里的数字，而是那些隐藏在会议纪要、制度文件、邮件、聊天记录、历史决策中的组织知识。以前这些东西无法被机器理解，所以只能依赖人脑维持；而现在，大模型开始能够直接消费这些知识。于是企业真正的核心资产开始发生变化。未来最重要的东西，不再是“系统”，甚至不再是“代码”，而是企业积累下来的制度语料、组织知识、决策历史、流程经验和战略演化记录。因为AI真正依赖的，并不是数据库，而是组织文明本身。

这也是为什么未来企业会越来越像一个“小型数字国家”。国家真正的核心不是办公楼，也不是各种行政系统，而是宪法、法律、条例、司法解释。国家机器只是执行层。同样，未来企业真正的核心将是制度文本，而AI则像一种数字化行政系统，负责解释制度、监督执行、协调资源、推动流程。过去企业管理严重依赖中层，因为中层承担着大量“制度解释器”的角色，他们负责理解老板意图、协调部门关系、推动任务落地、监督流程执行。但这些事情，恰恰是AI最适合做的。因为本质上，中层管理的大量工作并不是创造价值，而是在组织内部做“语义转换”。而AI第一次可能取代这种语义转换过程。

很多人今天还把AI理解成“更聪明的搜索引擎”或者“会聊天的助手”，这其实低估了它真正的意义。AI最深远的影响，可能不是提升某个员工的效率，而是让整个组织第一次能够被机器理解。过去企业的软件系统，只是企业运行过程中的“记录器”；而未来的AI系统，可能会变成企业真正的“执行器”。这意味着企业组织形态本身会发生变化。未来很多公司可能不再是“老板—VP—总监—经理—员工”这种金字塔结构，而是“战略层—制度层—AI执行层—少量专业员工”的结构。大量中间层将被压缩，因为AI开始承担过去依赖组织层级完成的协调工作。

而这一切的基础，其实就是文档。很多人过去看不起文档管理，认为那只是“知识库”或者“文件系统”，但未来企业AI落地最核心的基础设施之一，很可能恰恰就是“企业文档操作系统”。只是这个“文档系统”已经不再是传统意义上的DMS，而是一种能够理解制度、理解上下文、理解组织关系、理解历史演化的语义系统。它不仅保存文件，更保存整个企业的“组织记忆”。未来最强大的企业，不一定是系统最多的企业，而是制度沉淀最深、组织知识最完整、文档体系最成熟的企业。因为在AI时代，机器终于开始能够真正阅读一家公司的“灵魂”了。

一个古老的东亚秩序概念，正在成为理解21世纪国际格局的关键密钥——但中国互联网上的建政群体和华尔街的亿万富翁看到的，可能是两幅完全不同的图景。

2026年5月16日，桥水基金创始人瑞·达利欧在彭博电视台的采访中说了一句话，迅速在全球媒体上引发连锁反应："你们会看到越来越多的领导人前往中国，就像历史上一直存在的朝贡体系一样——来承认实力上的差异。"他说这话的时候，特朗普刚刚在北京完成会晤，伊朗战争陷入僵局，而巴基斯坦、俄罗斯等国的领导人正在安排自己的北京之行。

"朝贡体系"这个词，就这样从一个历史学术概念，被推进了全球地缘政治话语的中心。

但在中国互联网的另一端，关于朝贡体系的讨论已经持续了很多年。从虎扑历史区到B站评论区，从观察者网风闻社区到豆瓣小组，围绕朝贡体系的争论从未停歇。这些讨论的参与者——被统称为”键政群体"——对朝贡体系的理解和达利欧的框架之间，存在着微妙而深刻的张力。

两套话语，同一个词。这正是理解当下中国与世界关系的一个绝佳窗口。

一、朝贡体系是什么：一个被简化的复杂制度

在进入当代讨论之前，有必要先厘清朝贡体系本身。

严格来说，中国历史上并不存在一个单一的、一成不变的"朝贡体系"。从汉代到清代，中国与周边政权的关系模式经历了多次演变，其间包含了朝贡、册封、和亲、互市、羁縻等多种制度形式。所谓"朝贡体系"，更多是后世学者——尤其是美国汉学家费正清在20世纪中叶——建构出来的一个分析框架，用来描述以中国为中心的东亚国际秩序。

这个秩序的核心原则可以概括为"厚往薄来"：朝贡国向中国皇帝进献方物，中国则回赐价值远超贡品的礼物。从纯粹的商业角度看，这确实是一笔"赔本买卖"。但朝贡体系的逻辑从来不是经济理性，而是政治象征——它构建了一套等级化的国际关系，将中国置于道德和文明的顶端，周边政权通过"来朝"的行为，在形式上承认了这种秩序。

关键的区别在于：朝贡体系不是殖民体系。中国几乎从不直接统治朝贡国的内部事务，也不试图改变其文化或宗教。这是一种以文化吸引力和经济互惠（虽然不对称）为纽带的柔性霸权——用今天的话说，是一种"软实力"驱动的区域秩序。

这一点，对理解当代讨论至关重要。

二、互联网上的朝贡之争：建政群体的三重叙事

在中国社交媒体上，朝贡体系从来不是一个纯粹的学术问题。它承载了太多当代政治情感，以至于任何关于明代海禁或清代理藩院的讨论，都可能迅速滑向对当下中美关系、一带一路或民族复兴的影射。梳理下来，这些讨论大致可以分为三个层次。

第一层：历史的性价比之争

这是最表层的争论，也是最热闹的。虎扑历史区的帖子动辄几百楼，核心辩题只有一个：朝贡体系到底划算不划算？

"赔本赚吆喝"派认为，周边小国送点象牙、香料、骆驼，换回去的是丝绸、瓷器、金银，有些国家甚至一年来朝好几次，纯粹是来薅羊毛。明成祖派郑和下西洋，撒了无数的钱，换来的不过是"万邦来朝"的面子，最后因为国库空虚而被迫终止——这不就是古代版的"面子工程"吗？

"软实力红利"派则反驳：朝贡体系的成本远低于西方的殖民战争。英国维持印度殖民地需要常驻军队和镇压叛乱，西班牙在拉美要面对此起彼伏的独立运动，而中国用一套礼仪制度就维系了东亚几百年的基本稳定。更重要的是，朝贡体系催生了一个以中国为中心的贸易网络——从日本、朝鲜到东南亚、印度洋——在这个网络中，中国长期处于贸易顺差的中心位置。

这两派争论的实质，其实是对"大国应该如何花钱"的价值观分歧。这种分歧延续到了今天关于一带一路的讨论中：当中国在非洲和东南亚投入巨资建设基础设施时，这到底是一种"现代朝贡"式的不划算投资，还是一种长远的战略布局？

第二层：地缘政治的隐喻之辩

这是建政群体最常切入的层次。在他们的讨论中，"朝贡体系"不再是一个历史概念，而是理解当代中国外交政策的一个分析框架。

观察者网风闻社区有一篇被广泛转发的长文，标题直截了当——《要搞好新时代的朝贡体系》。作者的核心论点是：历史上的朝贡体系本质上是"分享而非榨取"的秩序，中国从未像西方殖民者那样掠夺朝贡国的资源和人口；今天的一带一路、亚投行、RCEP，在某种意义上就是这个传统的现代延续——中国提供基础设施、贸易通道和安全保障，周边国家则在这个以中国为中心的供应链体系中找到自己的位置。唯一的区别是，现在不叫"朝贡"了，叫"互利共赢"。

B站上有视频专门讨论朝贡体系与"生产力"的关系，逻辑线索是：全球生产力正在经历一个下降周期，西方主导的全球化模式已经难以为继，而中国作为世界工厂，天然具备重建区域经济循环的能力——这种以中国为枢纽的生产和贸易网络，在结构上很像一个升级版的朝贡体系。

这类讨论的一个重要特征，是对日本的边缘化叙事。多篇文章和视频都反复强调：在历史上的朝贡体系中，日本始终处于一种半游离的状态；在未来的亚洲秩序中，日本同样面临着被供应链"绕过去"的风险。这种叙事在日本确实引发了一定的焦虑——2025年以来，日本媒体多次报道"中国正在构建排除日本的亚洲供应链"。

第三层：文明叙事的对抗之辩

这是最深的一层，也是最具意识形态色彩的。它的核心问题是：朝贡体系代表了一种什么样的世界秩序观？

在这一层讨论中，朝贡体系被置于"威斯特伐利亚体系"的对立面。1648年确立的威斯特伐利亚体系是现代国际关系的基础——主权国家平等、互不干涉内政、条约具有约束力。但在建政群体的一些论述中，威斯特伐利亚体系不过是西方列强争霸的遮羞布——名义上主权平等，实际上强权即公理。而朝贡体系则代表了一种更具道德感的"天下观"：中心国家有道义责任维护秩序，周边国家承认这种权威并从中获益，整个体系靠"礼"而非"力"来维系。

豆瓣上有用户提出过一个极端版本：西方大航海时代的真正动力，不是"发现新大陆"，而是"怎么加入中国的朝贡体系"——因为当时的中国拥有世界上最发达的经济和最高端的产品，欧洲人想方设法要进入这个贸易网络。这个观点在学术上站不住脚，但它反映出一种强烈的叙事反转冲动——不是西方"打开"了中国的大门，而是西方"挤进"了中国的秩序。

微博上一些历史博主的视频评论区则频繁出现这样的争论：如果国际秩序正在经历根本性重构，那么替代方案是什么？是改良版的威斯特伐利亚体系，还是某种形式的"新天下主义"？这种讨论虽然有时被民族主义情绪裹挟，但其背后的焦虑是真实的——中国崛起之后，到底想要一个什么样的世界？

一个容易被忽视但非常重要的维度是：朝贡体系这个概念本身，正在成为国际法争论的战场。百度贴吧有讨论指出，西方部分学者利用朝贡体系来质疑中国对西藏、新疆、蒙古等地的主权主张——他们的逻辑是：如果历史上这些地区与中央王朝的关系只是"朝贡"而非"行政管辖"，那么"自古以来"的领土主张就缺乏现代国际法意义上的依据。这迫使中国学界更加倚重驿站、驻军、户籍等行政管辖证据，而非朝贡记录，来论证历史主权。在这里，朝贡体系不只是一个历史概念，它在实实在在地参与当代领土争端的法律辩论。

三、达利欧的"朝贡时刻"：一个美国人的地缘政治预言

把建政群体的讨论暂时放在一边，让我们回到2026年5月达利欧引发的这场风暴。

他究竟说了什么

达利欧的核心论点可以分为三个层次。

第一，美国正在丧失作为全球保护者的信誉。 美国在全球80个国家维持着大约750个军事基地，这个网络是二战以来美国霸权的物质基础。但在结束了为期一个月的亚洲之行（包括在中国与高层人士会面的10天）后，达利欧说他感受到了一种根本性的转变：越来越多的国家"不相信美国会真的去打那一仗"。伊朗战争的僵局——美国投入了大量军事资源却无法取得决定性胜利——正在放大这种怀疑。

第二，一个现代版的朝贡体系正在形成。 达利欧观察到，在特朗普与习近平会晤的时间节点前后，多国领导人正在安排或已经完成北京之行。这不是偶然的外交日程重叠，而是一种结构性的权力展示。他特别强调：中国并不寻求领土征服，和历史上一样，它看重的是"承认"——外国领导人来北京，本身就是在确认一种实力等级。

第三，中国不是一个"崛起大国"，而是一个"复兴大国"。 这个区分在达利欧2025年12月的牛津大学演讲中得到了更系统的阐述。他认为理解中国需要掌握三个历史支柱：朝贡体系、儒家思想和百年国耻。朝贡体系解释了中国如何看待自己与世界的关系——不是平等的竞争对手，而是天然的中心；儒家思想解释了中国的治理逻辑——等级化的和谐，而非个体的自由；百年国耻解释了中国对主权和尊严的极度敏感。三者叠加，构成了一个与西方完全不同的世界观。

"和合"是达利欧反复使用的一个中文词。在他的解读中，中国理想的国际秩序是"强者像对待家人一样对待弱者"，而不是丛林法则式的弱肉强食。朝贡体系正是这种理念的制度化表达——它有等级，但不是压迫性的；它不对称，但不是掠夺性的。

他为什么现在说这些

达利欧选择在这个时间点抛出"朝贡体系论"并非偶然。几个因素在同时发酵。

首先是特朗普外交的"交易化"效应。自2025年重返白宫以来，特朗普将外交政策彻底商业化的做法——要求盟友"付费"换取安全保护、用关税作为一切谈判的筹码、对传统盟友的冷淡——正在产生一种加速效应：既然美国的安全承诺已经变成了一个价格标签，那中间国家为什么不也去北京"询价"呢？达利欧清楚地看到了这一点：特朗普越是把外交做成交易，朝贡体系就越像一个理性的替代选择——至少中国的价码是稳定和可预期的。

其次是伊朗战争的僵局。美国在伊朗的军事行动已经持续了相当一段时间，但始终无法实现决定性突破。对于一个依赖军事威慑维持全球霸权的国家来说，陷入一场无法获胜的战争是最致命的信誉损害。达利欧从亚洲带回来的信息很明确：人们在用脚投票。

第三是中国经济重力的持续增长。达利欧给出的数据是：中国经济规模现在是美国的60-70%，而在20年前这个数字要小得多。当中国的经济体量已经大到让任何国家都无法忽视时，"去北京"就不再是一个政治选择，而是一个经济必然。达利欧的投资建议——流动性、多元化、黄金——本身就是这种判断的延伸。

谁在反对他

达利欧的论述并非没有遭遇有力的反驳。

投资分析平台AInvest在5月16日当天就发表了一篇题为《没人在对任何人低头》的反驳文章，逐条拆解了达利欧的逻辑。核心论点是：各国领导人访问北京不等于"进贡"，这些国家是在对冲风险而非选边站队；军事基地数量不等于实际权力，真正重要的是供应链控制力——中国掌握着全球91%的稀土精炼能力，这种结构性杠杆是航母数量无法对冲的；达利欧与中国的长期关系（桥水在中国有深厚的商业布局）可能影响其判断的客观性。

还有一种更微妙的批评：达利欧把一个描述性的趋势（权力正在从西方向东方转移）包进了一个规范性的框架（朝贡体系），等于暗中承认了这种秩序的合法性。用"朝贡"来命名一种正在形成的国际关系模式，本身就是一种话语上的让步——它暗示这不是暂时的权力波动，而是一种具有历史连续性的秩序回归。

但即便是达利欧的批评者，也不得不承认他所描述的结构性趋势本身是真实的：美国信誉在下滑，中国经济引力在增强，中间国家在两面下注。争议的焦点不是这些事实是否存在，而是如何命名和解释这些事实。

四、两条线索的交汇：谁在定义秩序

把中国建政群体的讨论和达利欧的论述放在一起，一个有趣的对照浮现出来。

中国互联网上的朝贡体系讨论，本质上是一场关于身份认同和历史叙事的辩论。参与者问的是：我们曾经是什么样的文明？我们想要什么样的未来？朝贡体系在这里是一个象征资源，用来建构一种不同于西方叙事的自我理解。无论是"天下观"的倡导者还是"赔本买卖"的批评者，他们都共享一个前提：中国有权利、也有能力定义自己的世界秩序叙事。

达利欧则从一个完全不同的位置出发。他不是一个参与中国叙事建构的人，而是一个试图理解权力转移的全球投资者。他使用"朝贡体系"这个词，不是因为它听起来好听，而是因为它提供了一个解释力很强的分析框架。在他的逻辑中，朝贡体系不是中国想要的东西，而是权力结构变化的自然结果——当一国的实力远超周边国家时，某种形式的等级化秩序几乎是不可避免的，无论它叫什么名字。

这两种视角的分歧点在于：建政群体的讨论更多是"我们应该构建什么样的秩序"（规范性），而达利欧的论述更多是"世界正在变成什么样的秩序"（描述性）。但两者的交汇点同样明显——它们都看到了中国实力增长带来的国际秩序重构，都认为威斯特伐利亚式的"主权平等"在很大程度上是一个虚构，都预期未来的全球秩序将比现在更加等级化。

真正的分歧可能在于"等级化"的含义。在中国建政群体的理想版本中，朝贡体系是一种道德化的等级制——中心国家有道义责任，"以大事小"是美德而非弱点。而在达利欧和西方观察者的框架中，"朝贡"天然带有臣服和不对称的意味——不管你用多么温和的语言包装，实力差异最终会转化为政治从属关系。

这种认知差异本身就构成了未来国际冲突的一个潜在来源。如果中国认为自己提供的是"和合"与"互利共赢"，而接受方认为自己被迫进入了从属关系，那么双方对同一套安排的感受将完全不同——而这正是历史上朝贡体系中经常出现的情况。朝鲜、越南等朝贡国在承认中国宗主权的同时，内部往往维持着强烈的独立意识和民族自尊，这种表里不一的张力在朝贡体系存续的几百年间从未真正消解。

五、未完的结论

朝贡体系这个词在2026年的流行，本身就说明了某种历史性的变化正在发生。一个已经被扫进历史故纸堆的概念，突然成为华尔街亿万富翁、中文互联网建政群体和全球媒体的共同语言，这不是巧合。

它之所以被激活，是因为现有的词汇表已经不够用了。"多极化"太模糊，"中美两极"太简单，"修昔底德陷阱"太宿命论。人们需要一个能够同时描述权力等级、经济互惠和文化认同的框架，而朝贡体系恰好提供了这些——不管它的历史原型是否真的如此运作。

达利欧的介入也让这个讨论更具分量。当一个管理着全球最大对冲基金的人告诉你"要预期一个朝贡体系的到来"时，这不再只是一个学术兴趣或网络谈资，而是一个会影响资本流向、投资决策和风险评估的判断。朝贡体系正在从一个历史隐喻变成一个投资参数。

当然，任何历史类比都有其局限性。21世纪的国际关系不可能简单复制14世纪的东亚模式。核武器、全球供应链、国际法体系、民主政治——所有这些变量都在重塑权力的运作方式。但达利欧的核心洞察可能不在于"朝贡体系会回来"，而在于"等级化的国际秩序会回来"，而朝贡体系只是在西方知识谱系中最容易理解的一个类比。

真正值得关注的是：在这场关于未来秩序的全球对话中，谁拥有命名的权力？如果"朝贡体系"成为理解中国崛起的主导框架，那么这个框架本身就成了一种力量——它塑造预期、引导行为、创造自我实现的预言。达利欧说"要预期朝贡体系的到来"，某种程度上，他就在参与制造他预期的东西。

而中国建政群体们的讨论——无论他们对朝贡体系是褒是贬——也同样在参与这场命名之战。他们争论的不只是历史，而是关于未来的定义权。

这或许就是2026年最深刻的地缘政治问题：不是中国会不会崛起，而是它的崛起将被怎样理解和讲述。

2026年5月17日

关于 OpenAI Codex 未来路线图的 Twitter 帖子在开发者圈子里引起了讨论。帖子的核心构想并不复杂：在未来的某一天，Codex 不仅能操控你面前这台电脑，还能跨越设备边界——你办公室的 Mac Mini、家里的台式工作站、甚至父母那台落了灰的旧电脑，都可以安装 Codex，组成一张属于你自己的"Codex 网络"。配合一个被称为"Locked Use"的新设定，Codex 甚至可以在设备锁屏状态下接收远程指令、调用 Computer Use 能力。

这则帖子捕捉到了一个正在浮现、极具合理性的产品演化方向。仔细审视 OpenAI 在 2026 年上半年的密集动作——4 月推出 Computer Use 让 Codex 在 macOS 上拥有了自己的光标和后台操控能力，5 月将 Codex 集成进 ChatGPT 移动端实现手机远程指挥桌面 agent，社区中挖出的 remote_control 功能开关——你会发现，这张拼图的各个碎片已经散落在桌面上了，只是还没有人把它们拼成一幅完整的画面。

而当你把这幅画面拼完，你会看到一件远比"更好的编程助手"宏大得多的事情。

从单点到网络：一次范式的跃迁

回顾 AI 辅助工具的演化，大致经历了三个阶段。第一阶段是对话式助手，你问、它答，交互的粒度是"一轮对话"。第二阶段是 agent 式工具——Codex、Claude Code 都属于这一层——它们不再只是回答问题，而是能自主规划步骤、操作文件系统、执行命令，交互的粒度变成了"一个任务"。这两个阶段有一个共同的隐含前提：AI 的"身体"就是你面前这台电脑。

"Codex 网络"的构想打破了这层边界。如果每台设备都跑着一个 Codex agent，彼此之间通过安全的 relay 通道互联，那么 AI 的"身体"就不再是一台机器，而是一个分散在物理世界中的 agent 集群。这是一个从单点智能到网络智能的跃迁。

这个跃迁的意义值得认真对待。单机 agent 再强，也受制于它所处机器的物理限制：计算资源、存储空间、网络环境、是否需要关机、能不能随身携带。但如果你拥有一张 agent 网络，这些限制就变成了可调度、可优化的变量。计算密集型任务派给 Mac Mini，持续性监控交给始终在线的台式机，临时灵感扔给手边的笔记本——主设备上的 Codex 作为编排者，根据任务特征和节点状态做出路由决策。

这不是科幻。在分布式系统的世界里，Kubernetes 对容器集群所做的正是这件事：每个 node 上有自己的 kubelet，master 节点负责全局调度，你提交的是"我需要一个可用的 Redis"，而不是"请在 10.0.1.5 这台机器上帮我起个 Redis"。把这个抽象平移到 agent 网络：你提交的是"我需要把这些数据跑个分析"，而不是"请在笔记本上打开 VS Code"。调度策略从"人脑手动分配"变成了"agent 自主编排"，这是生产力上一个质的差异。

网络智能：每个节点既是执行者也是感知者

一个容易被忽略但非常重要的点是：在 Codex 网络的模型下，被控制的那台设备上也需要跑着一个 Codex 实例，而不是简单的被远程桌面协议接管。

这意味着什么？意味着网络中的每一个节点都有完整的推理能力。主设备上的 Codex 向 Mac Mini 发出指令，不是发送低级别的鼠标坐标和键盘事件，而是在 agent 之间进行语义级的任务委托——"把这个项目 build 完，测试跑过之后把报告发给我"。接收端的 Codex 理解这个意图，在本地自主规划步骤、处理意外（依赖缺失、测试失败、需要重启服务），完成后再回报结果。

这里有一个巧妙的类比：Erlang/OTP 语言中的 actor 模型。Erlang 为电信系统设计，核心哲学是"让它崩溃，然后让监督者重启它"——每个 actor 各自独立，通过消息传递协作，某个节点宕机不会拉垮整个系统。Codex 网络如果设计得当，也应该遵循相似的容错逻辑。一个节点上的任务失败了，不影响其他节点继续工作；主节点甚至可以在检测到某个子节点长时间无响应后，自动把它的任务迁移到另一个可用节点上。

这个架构意味着你获得的不是"N 个工具"，而是"N 个智能体"。它们之间可以分工、可以接力、可以互为备份。一台电脑报废了，新的机器接入网络，继承任务上下文，继续干活。这才是"网络智能"真正的含义。

Locked Use：关键的安全拐杖，还是危险的信任假设？

帖子中提到的"Locked Use"设定值得单独讨论。它的核心场景是：一台安装了 Codex 的设备即使处于锁屏状态，也能响应来自主设备的远程指令。如果你有 5 台机器组成的 Codex 网络，你不会希望每次派任务过去之前还得走到每台机器前手动解锁。

这个需求合情合理，但它触碰了个人计算设备安全模型中一个根深蒂固的假设——锁屏意味着"这台机器此刻不在使用中，不受外部操控"。Apple 的 macOS 安全架构围绕这个假设做了大量设计。如果 Codex 能够在锁屏状态下通过 Computer Use 操作图形界面，这本质上是在操作系统层面开辟了一条绕过锁屏的通道。

OpenAI 要解决的不是一个工程问题，而是一个信任问题。即便技术上这条通道有严格的认证和加密保护，它仍然是一个高价值的攻击目标——黑客不再需要破解你的锁屏密码，只需攻破 Codex 在锁屏模式下暴露的那个接口。一张 agent 网络的安全强度，不会超过它最薄弱的那一环；如果你把一台安全策略松懈的旧电脑接入了网络，它就可能成为入侵主设备的跳板。

Prompt Armor 在 2026 年 4 月发表的 Codex 安全分析中已经指出了类似的风险面：当 agent 的动作空间从"一个沙箱内的文件读写"扩展到"多台设备上的任意应用操控"，传统的权限模型就捉襟见肘了。这在工程上不是无解的——端到端加密、硬件安全模块（Secure Enclave）、基于 TOTP 的跨设备认证都可以投入——但在那之前，Locked Use 会是最需要审慎对待的一个设定。

旧电脑的新生：算力民主化的一个侧面

帖子中一个温暖而具体的意象是"祖父母的旧电脑"。这是一个容易被一笑而过的细节，但如果认真去想，它触及了一个更广泛的问题：算力的分布是不均匀的。

你的 Mac Mini 是 M4 芯片，跑 Codex 绰绰有余。你父母桌上那台八年前的 iMac，日常使用已经卡顿，但它的 CPU 处理文件索引、文本摘要、简单自动化脚本并不是问题。如果 Codex 能够让这些"边缘算力"以一种极低门槛的方式被纳入 agent 网络，那么算力就从"集中式购买"变成了"分布式聚合"。

这跟 1999 年 SETI@home 做的事情在精神上是相通的——把闲置的计算资源组织起来干一件有意义的事——区别在于，这次不只是"贡献算力给别人做科研"，而是"用你自己的闲置算力为你自己办事"。一台旧电脑平时什么也不干，但当你需要进行大规模文件处理或者想同时跑 5 个实验性数据分析的时候，它被 Codex 唤醒、接管、干活，干完了继续闲着。这是算力的民主化在个人尺度上的一个体现。

当然，这个画面在当前阶段还是理想化的。Codex 的 Computer Use 目前只在 macOS 上可用，Windows 还没跟上，Linux 更不用说。旧电脑的性能瓶颈——内存、IO、散热——不能被 AI 凭空克服。但这个方向的合理性是站得住脚的：如果 AI agent 真正进入了日常生产力的核心环节，算力的需求会爆发式增长，而"每一台旧设备都是闲置的工人"会比"每个人都买一台更贵的新电脑"更可持续。

真正的挑战不在技术

如果让我押注这张蓝图的哪些部分会最先落地、哪些会最慢，我的判断是：技术实现会快于生态适配，生态适配会快于用户心智。

多设备协同的技术基础已经有了。SSH 远程 devbox 支持已经在 Codex 的 alpha 通道里，Computer Use 的 backend 已经在 macOS 上跑通了，移动端的远程任务派发已经上线。把这些组件串联起来，工程上不是从零开始。

但生态适配会是更头疼的问题。Apple 会不会允许 Codex 在锁屏状态下操控 macOS 应用？微软会不会对 Windows 上的类似能力设限？各个 IDE 和 SaaS 工具的认证体系能不能兼容"一个 agent 从设备 A 登录、在设备 B 上执行"这种模式？这些问题每一件都不致命，但每一件都需要时间。

而最大的变量在用户心智。大多数人——包括很多已经在用 AI 工具的人——目前对 agent 的理解还停留在"帮我写个脚本"和"帮我改个 bug"这个层次。让他们接受"让 AI 管理一个设备网络"这个范式，需要的不仅是功能交付，还需要大量的信任构建和习惯养成。这让我想起 Dropbox 刚出来的时候，人们的第一反应是"为什么不直接用 U 盘"。把文件交给云端同步是当时人们觉得不安全的事情，但今天的我们早就习以为常。把多台设备交给 agent 网络编排，可能也需要一个类似的曲线。

合理且重要的方向

"Codex 网络"的构想——在各种设备中安装 Codex，形成网络智能，所有设备都可以被 Codex 控制，也可以通过其中一个 Codex 控制所有 Codex——是一个合理且重要的方向。它合理，因为它符合分布式系统演进的基本逻辑：单节点的上限是确定的，网络的潜力是开放的。它重要，因为如果这个方向走通，AI agent 就不只是一个"更好的工具"，而是一层横跨你所有设备的基础设施。

这张蓝图不会在一年内完全实现。Locked Use 的落地方式、跨平台兼容的节奏、安全模型的验证、用户心智的迁移——每一项都需要耐心。但从 2026 年 4-5 月 OpenAI 的密集交付来看，他们确实在认真推动这个方向，而且已经在把拼图一块块放上桌面。

最后想说的是，这个构想之所以打动我，不在于它展示的技术能力有多炫，而在于它所暗示的一种关系：在未来，你不需要坐在电脑前才能让电脑为你工作。你的设备——不管新旧、不管在哪——都可以成为你的智能网络的一部分。而这个网络的入口，可能就是你手机上的一个对话窗口。