AI 讓每個人都能做更多事。但大部分人本來就沒在做事。
The proliferation of AI demands a new "proof of work"
1997 年的 Hashcash 系統，寄信前要先算一道數學題，收信方瞬間就能驗證。寄一封沒差，寄十億封你就破產。郵票的數位版。後來垃圾信過濾器進步了，Hashcash 就被遺忘了。
2026 年，AI agent 能用你的風格寫信、用你的聲音打電話、操作你的瀏覽器填表單。圖靈測試失效了，驗證碼也失效了。貝氏過濾抓不住一封跟真人寫的一模一樣的垃圾信。
又回到經濟解：讓發送訊息有成本。所有需要人類驗證的通訊，最終可能都會走向某種微型支付作為 Proof of Work。你想聯繫一個陌生人？先押一筆錢。對方回覆了，錢退你；對方忽略，錢沒收。
當年解決垃圾信的 Hashcash 變成了 Bitcoin，而垃圾信問題二十九年後又回來了，規模大了一萬倍。
Investing in Glimpse
零售商付款給品牌的時候，會扣掉各種名目的費用，有些合理，很多根本站不住腳。品牌過去靠一整個團隊翻幾百頁的出貨紀錄和發票來逐筆核對。Glimpse 做的就是自動化這件事：把所有扣款來源整合成一個資料庫，判斷哪些該爭議，然後自動執行申訴流程。
品牌被多扣的錢就是純利，追回來的每一塊錢都直接進底線。且有網路效應：你處理越多零售商的扣款，就越了解 Target、Walmart 各自的扣款模式。一個零售商如果賣很多品牌，你幫 A 品牌處理完累積的經驗，B 品牌跟著受益。更吸引人的是，也許，我只是說也許，這市場細到模型公司不會自己下海來做。
Hierarchy as information routing protocol
Jack Dorsey 發了一篇長文，從羅馬軍隊的八人帳篷單位講到 McKinsey 的矩陣組織：階層的本質是資訊路由協定，受限於一個人能有效管理三到八個人。兩千年來組織設計都在這個限制裡打轉。AI 可以取代中間層做的資訊傳遞跟整合，讓組織扁平化為三種角色：深度專家、跨職能負責人、建造兼帶人的混合角色。
但如果你把階層只看成資訊路由，你會得出 AI 能取代它的結論。階層同時也是權力分配、責任歸屬、衝突仲裁的機制。這些是政治問題。AI 能告訴你哪個部門的數字不對，但能在兩個副總裁搶資源的時候做裁決嗎？而有多少中層管理真的只是在做路由，又有多少其實在做沒人想承認的政治工作？
"Collaboration" is bullshit
二戰時期的調查發現，只有 20% 的步兵在戰鬥中真的開了槍。80/20 法則在所有組織裡反覆出現。科技業的回應是什麼？更多協作工具。Notion、ClickUp、Slack、Jira、Monday、Teams，知識工作者每天在六個系統之間跳來跳去，產出大量的協作活動，但協作活動跟產出是兩回事。
協作模糊了責任歸屬。專案失敗，歸咎於流程，歸咎於溝通，歸咎於 alignment 不夠，反正不怪任何一個人。卓越的工作來自個人或極小團隊，有明確的權力和尖銳的責任邊界。Dostoevsky 沒有用 Jira 寫卡拉馬助夫兄弟。你下次開一個十二人的 brainstorm meeting 之前，想想達文西畫最後的晚餐的時候有沒有先開 standup。
The most brilliant move in corporate history?
Amazon、Google、Meta、Microsoft 今年合計花 6500 億美元蓋 AI 數據中心。換來了什麼？AI 服務總收入大約 350 億，支出的 5%。Amazon 預計今年自由現金流負 280 億，Alphabet 自由現金流從 730 億暴跌到 80 億。Big Five 去年發了 1210 億債券，Morgan Stanley 預測科技債務會到 1.5 兆。
Apple 的資本支出：140 億。花大約 10 億一年授權 Google Gemini。M5 晶片的 Neural Engine 能在本地跑 700 億參數模型。20 億台裝置本身就是分散式推論網路。別人在燒錢的時候，Apple 去年回購了 907 億股票，競爭對手的回購從高峰暴跌 74%。
模型會商品化，擁有客戶才是護城河。DeepSeek 花 600 萬建了一個跟 1 億成本系統相當的模型，開源模型驅動 80% 尋求融資的新創。到目前為止，數據站在 Apple 這邊。
但 Apple 賭的前提是 AI 的價值會在端側落地，透過裝置體驗傳遞。如果殺手應用最終是雲端原生的，跟硬體無關呢？
Systems Thinking is Brain Rot for Analysts
系統思考是年輕分析師的鴉片。讀完 Thinking In Systems 之後覺得自己看穿了整個體系，知道哪裡是槓桿點，卻完全沒有能力去推動那個槓桿。能動感膨脹了，能力沒跟上。跟讀完一本投資書就覺得自己能打敗市場差不多。
分析師不把自己放進系統裡，但他們的分析本身就是系統的一部分。安全跟健康在系統正常運作時是隱形的，所以被忽略。尾端風險被系統圖的乾淨線條掩蓋。
現實世界要你觸碰具體的問題，學好幾個紮實的分析技能，透過實戰經驗累積校準。犯過夠多次錯，才知道模型在哪裡會不靈光。