Cybercab运营模式：集中运营优于个人兼职
关于特斯拉Cybercab的商业运维与范式，存在三种潜在车辆类型：特斯拉自营的Robotaxi、少量规模化的公众运营Cybercab，以及消费者家用兼职的Model Y/3。对于国家或成规模的市场而言，个人车辆参与运营的机会极小。这主要源于保险、清洁保养以及事故责任划分等极其繁琐的管理成本。马斯克曾设想个人让Model Y出去跑活，但作者对此持不看好态度。
在集中运营与分散运营的对比中，若排除地方保护主义（如出租车牌照限制），由特斯拉这样的公司进行集中统一运营效率最高。虽然部分维护环节（如充电站、清洗站）可能外包，但核心运营权必须集中。对于个人投资者而言，试图通过购买Cybercab像“挖矿”一样获利是非常不划算且不明智的。资本方真正稀缺的是人力维护资源，而非购车资金。因此，个人不应试图与大资本或受政府保护的势力竞争。
“从个人角度上说，我要在资本上跟特斯拉、跟这些现成的大资本或者是受地方政府保护的这些资本去拼搏一下的话，真的没必要跟自己找这不痛快啊。”
零稀土电机与Cybercab落地限制：低温是硬伤
关于“零稀土电机”的讨论，主要痛点在于高温脱磁。虽然原文未明确证实低温下的具体失效机制，但指出电车在极寒环境下运营效率会大幅下降。以俄罗斯等极北地区为例，电池低温下可能结晶，且电车无法像燃油车那样利用发动机余热供暖，只能依靠耗电加热丝取暖，这极大影响了续航和实用性。
因此，Cybercab的部署应限制在温带与热带城市。对于北方地区，若温度低至零下40-50度，车辆确实存在问题；但在零下十几二十度的正常北方冬季，目前看来并无大碍。此外，尽管有人担忧路况复杂影响Robotaxi普及，但特斯拉FSD在自动驾驶能力上强于国内普通水平。作者坚信Robotaxi未来将彻底改变城市风貌，取代传统的大型地面停车场和商场外围停车区，使城市交通像机场接驳一样高效便捷。
问界分账争议：华为“只要权利不要责任”
针对华为与赛力斯（问界）的分账争议，核心在于1,100亿收入与14亿利润的对比误区。华为作为非上市公司，其汽车业务采取纯轻模式：只做研发赋能，不碰重资产制造。这种模式下，华为的利润率极高，远超整车厂。
争议的本质并非“车企不愿做代工厂”，而是权责不对等。华为在分账条款上过于霸道，倾向于从销售额中抽成而非共担风险。作者指出，绝大多数商业合作是分利润而非分销售额。若一方只想要分钱的权利却不承担亏损的责任，这种模式注定无法长久。车厂当初签署协议是因为濒临绝境、急需生存，而非出于自愿的长期合作意愿。
“华为想干的是这种烂事啊……既要又要，我又想去给你指手画脚，什么东西都得听我的。华为就属于一个只要权利、不要责任的一个公司。”
供应链与代工模式对比：小米 vs 华为
通过回顾小米的“米家”供应链体系，可以清晰看到健康的代工/品牌合作关系。小米负责产品定义和品牌输出（如“小米充电宝”），供应商则利用自有能力开发其他型号品牌（如“米家充电宝”或其他独立品牌）。这种模式下，责任与权利是平衡的：供应商在小米渠道销售需遵守规则，但也可在其他渠道独立发展。许多米家供应链企业成功上市后，依然保持合作。
相比之下，华为的模式被批评为“百花丛中过，片叶不沾身”。它试图在享受品牌赋能红利的同时，规避制造风险和责任，导致合作伙伴感到痛苦。此外，关于“华为不压货”的说法并不绝对，赛力斯下属门店存在压货现象，但华为直接管理的招商文件确实承诺不压货。这种差异反映了不同层级渠道的压力分布。总体而言，作者认为国内大模型市场存在“刷分”现象，实际体验中Kimi和DeepSeek表现较好，而许多宣称领先的模型在实际应用中效果一般。
小米供应链的“老二哲学”与严苛管控
小米在筛选供应商时，往往倾向于选择行业中的“老二”企业。这一策略背后的逻辑在于：行业老大通常自视甚高、难以管理，而排名更靠后的企业则缺乏足够的生产能力或技术标准。相比之下，“老二”们虽然实力接近老大，但心态更为务实且配合度高。这种投资偏好与金山软件的历史基因不谋而合，因为金山在杀毒、WPS、云服务等众多领域长期占据“万年老二”的位置，这种企业基因使得小米在投资时更倾向于寻找那些愿意听从指令、不保留过多“灵魂”的合作伙伴。
“小米的这个选择呢……他们就永远选这个行业老二啊这个也应该我原来做节目的时候讲过这事，就是行业老大呢不听话……你要求他达到一个什么样的技术标准……他达不到。”
小米对品牌管理的严苛程度令人咋舌。曾有案例显示，某签约供应商在上市前试图通过私下宣传来清理库存或推广其他产品，结果被雷军当场发现。由于违反了保密协议和品牌形象管理规定，合同直接被撕毁。这种铁腕手段确保了小米对供应链品牌的绝对控制力。对于进入小米供应链的工厂而言，这既是巨大的机遇（如获得品牌背书），也是严峻的挑战。以手工具和Wifi模块为例，小米的介入虽然推动了行业标准化和效率提升（如将Wifi模块价格从四五十元压至20元左右），但也让原有工厂面临“天塌了”般的生存压力，许多厂商因无法承受利润压缩而选择退出。
AI工具实测：Claude、GPT与豆包的分工博弈
在文字处理领域，作者通过大量实践发现不同AI模型各有优劣。Claude在处理复杂文本输出时表现优异，尽管偶尔会偷懒或出现“文字水印”导致的阅读别扭感，但其生成的内容在情绪把控和逻辑连贯性上远超GPT。相比之下，GPT（ChatGPT）在文字生成方面显得啰嗦且难以控制节奏，但在图片生成和确定性工程任务上仍有优势。作者曾尝试让GPT、Claude和豆包三家互相评估稿件，结果发现豆包在初稿生成的节奏感和情绪价值上排名第一，尽管它常犯事实性错误；Claude排名第二但评估能力最强；GPT排名第三且改进空间有限。
“豆包出的稿子感觉有很重的抖音营销感……咱要的不就是这个吗？就是要的就是你要有情绪嘛，咱们提供的是情绪价值对吧。”
作者的工作流通常是：使用豆包生成初稿以获取良好的情绪基调，再用Claude进行评测和修改建议。对于涉及高度商业机密或科研数据的内容，作者坚决不使用国内大模型及其Agent框架（如Zcode），因为存在代码上传和数据泄露风险。对于普通用户，作者建议通过iOS官网购买礼品卡订阅Claude以避免封号焦虑，并强调不要将Token导出到外部使用。在代码编写方面，Codex等工具在处理确定性任务时表现良好，但在创意写作上效果不佳。
Zcode代码上传争议与云控技术揭秘
智谱的Zcode工具因被曝出默认上传用户代码库至云端而引发巨大争议。尽管软件界面提供了关闭上传的开关，但用户发现这些设置往往无效。技术细节显示，Zcode依赖一个获取密钥的接口来上传数据，即使该接口下线，旧版本仍会不断请求。更令人担忧的是，代码上传是由云端控制的“云控”机制。作者以猎豹移动时期的经历为例，解释大厂如何通过服务器向全球数亿台设备下发指令，按需抽取特定型号、版本的用户数据进行AB测试或模型训练。
“你关不掉它对吧……你以为我关了，但是你实际上关不掉它。还有啊Lite套餐V1用OpenCode不够用……想着上下文给你就给了，居然还要代码库生气了。”
这种机制意味着，即使用户安装了新版本试图本地消除证据，云端仍可随时命令设备上传数据。作者指出，这不仅是智谱的问题，Cursor等工具也曾因类似行为被报道。对于开发者而言，核心风险在于：上传的代码可能被用于模型训练和迭代升级。虽然作者表示目前自己使用的代码已无敏感价值，敢于继续使用Zcode，但他强烈建议处理机密数据时避免使用任何可能上传代码的国内AI Agent框架。对于普通用户，只要不处理核心资产，风险相对可控；但对于企业级应用，这种“偷数据”的行为构成了严重的信任危机。
金工实习的安全警示与AI税收谬论
视频后半段讨论了教育与实践的话题。作者参观大专院校的金工实习时，发现学生操作的设备（如620车床）工艺水平有限，且存在严重安全隐患。他提到东北某高校曾发生学生掉入强酸洗矿池的惨剧，强调工厂实习的首要任务是安全，而非真正加工零件。作者回忆自己的大学经历：第一次是钳工和车工的简单体验，第二次是北京广播器材厂的装配实习。他认为现代学生缺乏动手能力是必然的，因为“安全第一”的原则下，学校不敢让学生进行高风险操作。
“让这些学生去工厂就是要让你见过就完了，然后在这个过程中第一要务是别出事安全最重要其他都无所谓的。”
此外，针对“对使用AI的企业征收社会福利税”的提议，作者持坚决反对态度。他认为这种想法违背市场规律，任何国家若实施此类政策，将在全球竞争中迅速被淘汰。AI带来的效率提升是时代趋势，企业通过替代人工获得的成本优势应归其所有，而非强制承担救济责任。最后，作者调侃了扎克伯格的新产品和旧货市场的小米电饭锅，指出消费社会中“没用的直接捐”是第一世界特有的现象。
Zcode开源争议与数据安全风险
关于智谱Zcode的源代码发布，业内存在“客户端工具开源但核心界面闭源”的现象。目前国内的AI Agent如DSH、小米MiMo Code（基于OpenCode分支）、MiniMax Mcode（基于Pi Agent修改）均遵循此模式，即底层代码开源但用户界面不公开。这导致用户在下载Zcode后，必须严格核对版本号与更新日志以验证真伪。若版本对不上，极可能是“假开源”或存在安全隐患。
“Zcode开源了以后还要看它的更新和版本号跟这个你自己用的这个版本是不是对的上 如果对不上的话 就是个假开源”。
针对“本地加密再传以防阿里获取数据副本”的说法，老范指出这在技术上难以成立。智谱作为阿里巴巴投资的企业，其所有服务器均部署在阿里云上，数据解码必然发生在云端。因此，无法通过本地操作完全隔离阿里获取数据的副本。对于此次事件是“事故”还是“故意钓鱼（通过送TOKEN诱导用户）”，老范倾向于认为事故可能性较大，但也指出国内部分科技公司缺乏明确的道德边界感。若官方不发布完整事故报告，公众只能默认往坏处想。
iOS 27升级引发的充电与用车尴尬实录
老范分享了自身使用iPhone 15 Pro Max升级至iOS 27后遭遇的严重续航问题。由于苹果无线充电协议在中国大陆仅支持慢速充电，升级后手机在无线充电时出现“越充越少”的异常耗电现象。这一技术故障导致他在驾驶小米汽车时，因手机没电无法通过数字钥匙锁车。
“明明在无线充电 但是呢电量越耗越厉害……手机没电了车锁不上了”。
事件后续发展极具戏剧性：老范将手机放在小米汽车前部无线充电板上外出，晚上返回时发现车辆拒绝锁车且无法启动。因饭馆未营业，他被迫寻找共享充电宝未果，最终只能利用车内Type-C接口进行有线充电。当手机电量恢复至10%左右时，车辆才重新识别到数字钥匙并允许启动。这一案例生动展示了软件升级与硬件生态兼容性风险对日常生活的实际影响。
Jev判定模型的应用局限与评论筛选实践
在讨论Jev判定模型时，老范强调需警惕其68%正确率数据的来源。该数据通常基于标准题库测试得出，且存在更高效的本地开源替代方案。Jev模型的核心逻辑是“系统1”快速判断，若输入信息不足（如直接询问美国大选结果），模型会给出高置信度的错误答案。切勿迷信其绝对准确性，而应将其作为初步筛选工具。
老范分享了利用Jev处理视频评论的实际流程：通过ChatGPT提取过去7天的标题、简介及评论内容，指令Jev筛选180字以内且具备高价值或强烈情绪的评论。该方法能高效节省Token并快速完成初筛。对于置信度低的判断，可二次提交给GPT进行复核。此外，老范重申了严格的评论管理策略：永久封禁声称其使用AI生成稿件的账号，且该判断由人工执行以确保准确。
中秋习俗、金工实习与商业模式探讨
在文化话题方面，老范对比了南北方中秋饮食差异。他指出中国秋季物产丰富，缺乏像春节那样特定的节令菜肴。台湾的中秋烤肉习俗源于家庭聚会传统，而中国大陆除北京炙子烤肉、新疆烤串及东北烧烤外，真正以“烤”为核心的传统菜肴较少。老范认为这与中国历史上燃料短缺、人口密集有关，导致烹饪方式更倾向于节能的蒸和煮。此外，他提及了中小学改养老院及大龄考生重返高考的社会现象，建议后续深入探讨。
在商业案例中，老范分析了特斯拉Robotaxi与小米Robovan的量产进度。他指出Cybercab已在德州部分城市投入运营，而小米20人座的Robovan量产仍属“遥遥无期”。对于日本子公司获得1,000万美元投资及设立工厂一事，由于缺乏详细报道，其具体生产内容与车辆用途仍成谜团。最后，老范简要提及金工实习中制作小锤子的难度，强调理科生擅长版本控制而文科生习惯文件命名的思维差异。
关于iF设计奖的获奖逻辑与公众误解
针对网络上对老范获得2025年德国iF设计奖的质疑，核心争议点在于该奖项的含金量与获奖数量。事实上，iF设计奖并非稀缺荣誉，其中奖率约为1/5。在来自66个国家的11,000件参赛作品中，最终有2,000多个作品获奖。这种高通过率意味着许多参赛作品（包括大学生作业）均可借此背书，这属于行业既定规则下的正常行为，并不构成违约或作弊。老范强调，不能因为获奖者多就否定奖项的合法性，正如奥运会颁发大量奖牌并不影响其权威性。只要符合规定且无作弊行为，获奖本身就没有问题。因此，公众不应因“发奖多”而产生偏见，该奖项的评选机制透明且常态化。> “这个奖我觉得一点问题没有……中奖率大概是1/5，也就是2,000多个作品获奖。”
华为960DT出货与CUDA生态跨越的实质分析
关于华为昇腾（Ascend）是否跨过CUDA生态鸿沟的讨论，需区分硬件算力与软件生态两个维度。有观点认为长鑫存储HBM3E提前出货是960DT提前的关键，但这混淆了存储供应链与AI芯片生态建设的概念。华为在CUDA替代路径上的突破，主要得益于其拥有封闭且受保护的市场环境，这与AMD显卡面临的处境截然不同。A卡虽然赞助了PyTorch基金会等开源项目，试图建立类似CUDA的联合生态，但因缺乏封闭市场支撑，只能处于边缘地位，无法形成统一标准。相比之下，华为利用本土市场的封闭性，实现了软硬件的快速迭代与适配。> “A卡吃亏在一个没有封闭的市场给他……华为在这块赚便宜就赚在这了。”
AI工具使用体验：为何弃用Kimi而转向其他模型
在AI助手的选择上，作者详细阐述了放弃使用Kimi的原因。尽管新版K3性能提升明显且曾付费试用，但早期版本存在的“直接报错（raise error）”机制是致命缺陷。当用户询问敏感问题时，其他模型如千问或DeepSeek会礼貌拒绝回答（“抱歉我不能回答”），而Kimi则直接抛出系统错误，导致工作流中断且无法被程序优雅处理。这种技术实现上的粗糙感让作者难以忍受，从而彻底停止使用。此外，作者在韩国旅行期间体验了当地服务与地铁免费WiFi对手机信号的影响，并预告了下周的星舰14发射直播及生日活动。> “Kimi选择的方式是报错，直接raise一个error出来……这个是让我完全无法忍受啊。”
结论
特斯拉Cybercab在温带地区具备运营潜力，但极寒环境下的电池与续航短板限制了其全球部署；个人资本介入集中运营无利可图，核心壁垒在于人力维护而非购车资金。华为问界模式因权责不对等存在长期风险，其AI生态优势依赖于封闭市场保护而非技术绝对领先。小米供应链通过严苛管控确立地位，但挤压了供应商利润空间。
AI工具方面，Claude在逻辑与情绪把控上优于GPT和豆包，但Zcode等国内Agent存在代码上传至云端的严重数据泄露风险。iOS 27升级引发的充电故障揭示了软硬件兼容性的脆弱性，而Jev模型仅适合作为初步筛选工具。总体而言，技术落地需严格评估环境限制与数据安全风险，商业合作应追求权责平衡而非单边获利。