币圈奖励事件，AI圈不断换题：什么样的人会被下一轮环境奖励？

最近，孙宇晨又一次从币圈冲进了更大的舆论场。让我在意的是另一件事：为什么一个人持续制造事件、占住注意力、让自己成为讨论中心，在币圈看上去常常不是一种偶发的营销技巧，而像是一种很有效的商业能力？一个行业长期奖励什么人格，往往不是因为它偏爱某种道德，而是因为它的反馈系统让某些行为更容易变现。币圈最有意思的地方就在......本文来自微信公众号： AIGC从0到1 ，作者：王零壹最近，孙宇晨又一次从币圈冲进了更大的舆论场。让我在意的是另一件事：为什么一个人持续制造事件、占住注意力、让自己成为讨论中心，在币圈看上去常常不是一种偶发的营销技巧，而像是一种很有效的商业能力？一个行业长期奖励什么人格，往往不是因为它偏爱某种道德，而是因为它的反馈系统让某些行为更容易变现。币圈最有意思的地方就在这里：注意力本身可以很快进入价格系统。你制造一个事件，市场开始讨论，新的买方涌进来，流动性变厚，价格和叙事继续互相推高。事件的价值不是只在媒体版面上，它可能很快写进盘口。AI圈当然也需要注意力。尤其在2023年，AI和币圈甚至有过一段很像的时期：所有人都在谈AGI、算力、Scaling、超级模型和下一次技术爆发；资本、人才、媒体和开发者都在寻找“可能定义未来的人”。那时，会讲故事、敢下注、能调动资源的人，也确实很吃香。可这两条路没有一直并行下去。AI走到今天，开始要求注意力拿出别的东西来担保。模型要跑得出来，产品要有人留下来，代码要经过测试，Agent要能完成任务，企业要敢把数据和流程交给它。注意力依然能打开第一扇门，但它越来越难替代后面的验证。回看过去三年AI变化时，觉得最有意思的一点：AI圈不是简单地从“更爱技术的人”变成“更爱产品的人”。它一直在换题。每次模型能力、成本结构、工具边界和风险边界变化，都会重新定义什么样的人更容易被看见、被信任、被授权。币圈奖励事件，AI圈则越来越像在奖励一段可被验证的历史。一、注意力为什么能在币圈被直接定价币圈不是一个单一市场。比特币、稳定币、交易平台、基础设施、DeFi、NFT和各种高波动资产，价格形成机制并不一样。把整个行业都归结为“炒作”，也解释不了它为什么能长出那么多技术和金融实验。但在许多高波动、强叙事的资产里，注意力确实拥有比大多数行业更短的变现路径。一次事件带来讨论；讨论带来新用户、新资金和交易量；更活跃的交易又让资产显得更有流动性；价格波动反过来制造下一轮讨论。它不是每次都能成立，也不是谁上一次热搜币就会涨，但这个反馈回路真实存在。市场参与者知道，自己并不只是在看一个故事，也在看别的人会不会因为这个故事进场。于是，币圈会天然奖励一类很特别的人：对注意力极其敏感，敢制造高风险事件，能把复杂而模糊的资产叙事压缩成几句人人听得懂的话，也能承受争议和反噬。这类人格的有效性，并不等于它更值得欣赏。它只是与这个市场的定价方式很匹配。如果一个行业把“被看见”很快转化为流动性，那么高声量、高戏剧性、强存在感就不只是个性，它们会成为资本的一部分。币圈里常说的“共识”，背后经常夹着一层更现实的东西：谁能让更多人同时相信一件事值得交易。二、AI也经历过一段叙事优先的日子2023年的AI，其实并不缺这种气氛。GPT-4发布后，整个行业都在一个巨大的未知里。Scaling还能走多远？模型会不会替代软件？谁能拿到足够多的GPU？AI公司最后会长成模型公司、应用公司，还是某种全新的组织？那时没有人能真正回答。在这样的环境里，注意（Attention）、叙事（Narrative）和获取（Access）都很值钱。Attention是有人看见你。Narrative是你能不能把一堆复杂的技术变量讲成一个让人愿意跟随的方向。Access则是你是否接近模型、算力、资本、研究员和头部客户。三者叠在一起，可以迅速吸来钱、人和合作机会。这也是为什么2023年AI圈会同时尊崇深度研究者、超级组织者和未来叙事者。有人掌握训练模型的能力，有人能把巨额资本和计算资源组织起来（例如那个拥有十万张卡训练经验的创业者），也有人能让外界相信某条路值得投入十年。前沿技术刚出现时，叙事本来就有用。它帮市场协调预期，让一群原本互不相干的人愿意为同一个尚未成熟的方向投入资源。但AI和纯粹靠叙事交易的资产有一个区别：它始终要撞上一堵硬墙。模型是否有效，能测。代码能不能运行，能测。产品有没有人持续用，能看。企业续不续费，账上有数。一个Agent是否在权限范围内把任务做完，甚至能逐步回放。注意力可以让人点开一个Demo，却不能替Demo通过测试。二、AI圈的注意力，开始被一层层抵押从2024年开始，AI圈的人格资本逐渐和币圈分叉。第一层是作品，也可以叫Artifact。模型开始扩散，开源生态迅速发展，推理价格往下掉。达到GPT-3.5水平的模型调用价格，在大约十八个月里从每百万token 20美元降到0.07美元。智能不再只属于少数实验室，越来越多人可以把它拿来做东西。于是，“我看得懂AI”开始不够了。你得拿出一个模型、一篇论文、一个开源项目、一个工具、一个真正有人在用的产品。有人在社交媒体上讲AI讲得很热闹，但他在行业里的位置，最终还是要看能不能留下可被检查的东西。这也是为什么技术信誉会慢慢从粉丝数里分离出来。一个人被很多人认识，和一个人做出判断后有人愿意认真研究、复用、跟投、采购，是两回事。不过，Artifact很快也不再稀缺。进入2025年，AI可以帮人写代码、生成页面、做设计、起草长文。一个周末做十几个Demo，并不再是一件不可思议的事。曾经足以证明能力的“我做出来了”，开始变成一张越来越容易获得的入场券。题目随即又变了。为什么做这个？为什么是现在？为什么它不会在下一次模型升级后变成一个顺手附赠的功能？为什么这个问题值得投入几年，而不是一周？这里开始升值的是判断力（Judgment）。它更接近一种在高度不确定时，能反复选对重要问题的能力。一个人2023年看见Coding Agent的苗头，2024年真的把资源放进去，2025年又意识到瓶颈会从模型能力转向上下文、验证、Harness和工作流，别人会慢慢对他的下一次判断形成预期。那种信任不是流量给的，是几次判断留下的记录给的，这是Cursor的故事。到2026年，Trust又开始盖过单纯的判断。因为Agent已经不只是在回答问题。它开始读资料、写代码、动数据、接业务流程。这个阶段，外界看你的系统，不会只问“它聪不聪明”，还会问“它会不会闯祸”“出错之后谁负责”“能不能查出来”“我能把什么交给它”。所以AI圈的注意力没有消失，只是被逐层加上了抵押物：最初，注意力可以吸来资源。后来，注意力要由作品支撑。作品多了以后，要由判断解释。判断说服人之后，还要靠一段可信的记录和真实结果来维持。这不是一条整齐的升级路径。有人仍然靠声量拿到机会，有人靠一件出色的作品突然被看见。只是环境已经越来越难容忍“裸Attention”。你可以高频出现，但市场会开始问：你究竟做过什么，押中过什么，又让什么真正发生过？最后这个问题，指向的其实是另一种比Trust更难积累的资本：结果Consequence。一个观点有没有分量，不只看多少人转发，还要看它有没有改变后续行动。你提出一个研究方向后，有没有团队因此投入；你开源一个工具后，有没有人真的把它嵌进工作流；你做出一个产品后，有没有组织因此改掉旧的工作方式；你设定一条标准后，有没有人愿意照着它协作。这才是AI圈里“杠杆”最实在的部分。它不是你在网上显得多有影响力，而是有多少有能力的人、系统和资源，会因为你的判断向某个方向移动。它也解释了为什么Conviction会变得重要。判断对不对，短时间里往往没人知道；愿不愿意为判断付出机会成本，倒是人人看得见。一个人肯放弃更容易的机会，持续把时间、声誉和资源押在一个方向上，市场至少会知道：这不是一句随时可以撤回的话。三、过去三年，AI是怎么换题？2023年的第一张考卷，考的是谁接近前沿智能。GPT-4是Scaling时代的象征。更多算力、更多数据、更大的训练计算，仍然是获得能力的主要路径。那时的稀缺资源是GPU、研究人才、训练工程和资本。环境奖励深度、强信念和资源组织能力。最适应的人，像是最早抵达矿脉的人。2024年，第二张考卷换成了谁能把智能放进场景。开源模型、小模型、MoE、更长的上下文和快速下降的推理价格，让“同样聪明但更便宜”变成一种真实竞争。智能开始扩散。于是Builder、技术翻译者、跨界者开始上升。他们不一定会训练模型，却知道一个财务、律师、设计师或工厂现场的工作，究竟哪里值得被改写。同一年，推理模型又改了一次题。o1让行业看到，模型不只可以在训练阶段变强，也可以在运行时为难题多花一点计算。过去的默认是快答，后来的问题变成：哪些任务值得让模型多想几步，哪些必须找第二个模型复核，哪些根本不该由模型单独决定。这会奖励一种过去常常被低估的工作习惯：先给问题分级，再决定速度。反应快当然有用，可在高代价任务里，知道什么时候不要急着答，反而更重要。接着是MCP、搜索、工具调用和计算机操作。模型开始连接外部数据和系统。能力的定义也跟着变了：不只是“模型脑子里知道多少”，还包括“它知道去哪里找、如何调用、取回之后怎么使用”。对人来说，这意味着只会储存信息、整理资料和转述现成结论的工作会更容易被压缩；能找到资源、理解接口、识别上下游限制，并把信息接回决策的人，价值会上升。再往前一步，Agent有了手。它能浏览网页、读写文件、执行代码、操作软件。人面对的任务从“自己把这件事做完”，变成“定义目标、补齐上下文、设定边界、让Agent去做，再回来验收”。这听上去很像管理学，但它其实是一种新的专业能力。委托不是随便甩一句“帮我搞定”。真正有效的委托，要求你知道什么算完成，哪些约束不能被碰，哪些节点必须由人确认。Anthropic对Claude Code真实会话的研究很能说明这种分工。平均来看，人类承担了大约70%的规划决策，模型承担了约80%的执行决策。更有经验的用户，一次提示往往能让Agent完成更长的行动链，也更容易做成事。专业能力没有消失，它开始变成指挥和校验机器的杠杆。最后一张已经摆在眼前的考卷，是生产环境。到2026年，越来越多企业不再问要不要做Agent，而是在问怎样让它可靠、可观察、可评测、可控制。LangChain对1300多名从业者的调查里，57%的受访者称已有Agent在生产环境运行；质量仍是最大的障碍，近九成组织已经部署某种可观测性能力。Demo环境奖励“它看上去会做”。生产环境奖励“它昨天做对，今天做对，改完之后下周还做得对”。这时被环境奖励的人，和最早会做Demo的人已经不同了。他们会想失败路径、权限、日志、回滚、成本和责任归属。听起来没有那么热血，但在AI真正开始进入组织之后，这种谨慎会越来越值钱。四、下一轮AI，会奖励什么样的人？把这些技术节点连起来，会发现AI不只是在替人完成更多事。它一直在把稀缺性往上推。前沿智能稀缺时，深度和资源最贵。智能扩散后，场景判断和产品能力更贵。执行开始自动化，任务定义、验收和专业判断更贵。Agent进入生产，信任、边界和责任更贵。接下来三四年，题目大概还会继续换。第一种变化，是智能进一步商品化。当越来越多人都能用到相近的模型，能否拿到一个“足够聪明”的系统会越来越像基础条件。那时更稀缺的是问题选择、品味和所有权。你决定什么值得做，怎样才算做对，又愿不愿意为取舍承担代价。这会奖励一种低频、高信号的人格。他不必每天制造新事件，也不靠不断发表观点证明存在感。他的判断有历史，作品有来路，修正错误也有记录。别人关注他，不只是因为他声音大，而是因为他开口之后，行业会重新校准一下自己对某件事的看法。第二种变化，是AI从数字世界走进物理世界。制造、能源、医疗、机器人、供应链和科学研发，不会像互联网产品一样允许无限试错。现实世界的反馈更慢，实验更贵，设备会老化，监管会介入，客户也不会因为模型分数提高就改变习惯。这里会重新奖励一种被科技行业长期低估的品质：现实感。熟悉现场约束的人会更重要。耐心也会重新变得值钱，不是因为大家突然反对速度，而是因为有些事情必须经过验证周期，快不了。第三种变化，是Agent之间开始协作。当单个Agent能做的事越来越多，真正难的部分不再只是再造一个更聪明的助手，而是让不同模型、不同公司、不同权限的系统协作，同时不把责任稀释掉。身份、协议、支付、审计、授权、争议处理都会变成技术问题的一部分。这会奖励会设计规则、理解激励、建立信任边界的人。未来有影响力的AI人，未必都来自模型公司，也可能来自做标准、做平台、做行业工作流、做治理和组织的人。第四种变化，可能发生得更慢，也可能比前面几件事影响更大：AI是否能真正从经验中持续学习。今天大多数模型发布后依然相对固定。它们可以记住上下文、调用Skills、改进工作流，却很难稳定地把长期经历转化成下一次的能力。如果持续学习、经验回放、自动生成Skills、自动改进Harness这些方向真的突破，新的竞争会落到“谁给系统提供更好的成长环境”。什么失败会被记录，什么错误会被惩罚，什么行为会被奖励，哪些经验会变成团队资产，哪些偏见会被反复放大。这些不只是模型问题，也会变成组织问题。到那时，被奖励的人很可能是能设计反馈回路的人。他们不急着追每一个新模型，反而更在乎系统从每一次工作里学到了什么，又忘掉了什么。五、AI圈最后会奖励“低频高冷”的人吗？也不必走到另一个极端。AI圈不可能不需要注意力。好的研究要被读到，产品要被用户发现，创始人要招人、融资、建立合作。一个只把自己关在实验室里、永远不解释自己在做什么的人，也很难形成影响力。区别在于，注意力在AI里越来越像放大器，而不是终点。它可以放大一段真正的研究，也可以放大一个空壳。前者会把可信度继续累积起来，后者通常很快被下一波内容淹没。AI让写文章、做视频、做Demo和发布“看起来很专业的东西”都变得便宜后，这个差距只会更明显。我更愿意把未来AI圈最有价值的人格理解成这样：有一个长期在追的问题，能把判断做成作品，也肯为判断付出成本；知道如何借助更多智能，又知道哪些地方不能交出去；在结果出来之后，不躲到“是AI做的”后面。这和币圈里最有效的人格并不相同。币圈的人格资本，可以靠一次事件把市场重新点燃。AI圈更长期的人格资本，则要经受技术、产品、组织和时间的反复检验。一个是让人重新看见你。另一个是让有能力的人因为你而重新行动。后者未必更热闹，但当执行越来越便宜，它可能会越来越贵。