Jiayi Li

如果我把一个金融产品——比如黄金——历史以来预测最准的人、最权威的机构、最出名的分析师全部找出来，把他们每一次预测和实际结果做对比，找到"谁最准"……然后再看这些"最准的人"现在怎么看未来——
那我是不是就掌握了这个金融资产的财富密码？💰
带着这个念头，我真的去做了。拿黄金当样本，扒了十几年的预测记录。
为了这次调研，我们把三类人全拎出来了：华尔街最顶级的投行和行业机构、黄金赛道喊得最响的大V、以及精准预言了关键反转的"封神选手"。
我们一个一个看数据。
我们查到的预测数据，全摆出来
华尔街专业机构：
LBMA（伦敦金银市场协会） 每年邀请数十位顶尖分析师对黄金做年度预测。2025年，28位分析师给出的平均预测是$2,735/盎司。当年最乐观的分析师——住友商事的Keisuke (Bill) Okui，给了$2,925，因为"最接近实际"拿到了当年的"最准确预测奖"。
2025年黄金实际均价？$3,431。
也就是说，全市场最看多、最终获奖的那位分析师，预测值依然比实际低了15%。而市场共识更是低估了整整20%。
高盛（Goldman Sachs） 在黄金预测史上有两笔浓墨重彩的记录。2013年4月，高盛发报告明确建议做空黄金，目标$1,450。黄金随后暴跌26%，高盛封神。
但到了近期，高盛翻了车。2024年10月，高盛预测2025年金价$2,700。实际呢？2025年金价一路狂飙，2026年初突破$5,600。差了一倍。
摩根大通（JPMorgan） 2025年底给出2026年金价基准$5,055。结果金价提前突破了这个水平。
黄金赛道大V：
金道台 V：
Peter Schiff，黄金圈最著名的"永远看多"选手。十多年前就在喊"$5,000黄金"。2013-2018年金价横盘了五六年，他天天挨骂，被嘲笑是"停摆的钟"。但金价2026年初确实突破了$5,000。最新发声（3月23日）：称近期下跌"不合逻辑"，预测3年内金价飙升至$11,400。Jim Rickards，另一位长期坚持"$10,000黄金"的大V。核心逻辑是金砖国家（BRICS）去美元化将迫使全球货币体系重置。方向没错，但时间表一再推迟，目标价至今没实现。Robert Kiyosaki（《富爸爸穷爸爸》作者），3月中旬预测：在即将到来的"历史上最大的泡沫破裂"之后，黄金将达到$35,000。
精准预言过反转的"封神选手"：
Nouriel Roubini（"末日博士"），因预测2008年金融危机封神。在黄金上有两次漂亮的判断：2013年6月，金价$1,400左右，他撰文指出"黄金泡沫正在破裂"，目标$1,000。2015年底金价触及$1,050低点，完美印证。2023年1月，金价在$1,900徘徊，他翻多，预测五年内每年涨10%，目标$3,000。金价后来远超这个数。Ben McMillan（IDX Advisors首席投资官），近期行情中脱颖而出。2024年初，黄金在$2,000附近，他预测五年内达到$5,000。市场当时觉得"近乎疯狂"。结果金价仅用一年半就到了。Ray Dalio（桥水基金创始人），不给具体价格，从宏观周期角度定性判断。2026年1月将黄金称为"第二大货币"，建议投资组合配置5-15%。
看完数据，你可能觉得——有些人还挺准的？
别急。上面只是他们"最出名的那几次"。当我把他们的完整记录拉出来看，画面就不一样了。
华尔街专业机构：典型的滞后型预测
什么叫滞后型预测？就是牛市已经来了，他们才开始上调目标价；但调的幅度永远追不上实际涨幅。等到熊市来了，他们又开始下调，但总是调得太慢。
LBMA的28位分析师就是最好的例子。每年做一次预测，本质上是在对"已经发生的趋势"做小幅外推。2024年金价已经涨到$2,700，他们2025年的预测中位数才给$2,735——几乎就是把去年收盘价搬过来当预测。结果2025年均价$3,431，打脸20%。
高盛也是同样的模式。2024年底看2025年只给了$2,700，金价后来冲过了$5,000。摩根大通给$5,055基准价，金价提前突破。
这类机构在做的事情，更准确的说法叫**"趋势确认"**——告诉你已经发生的事情确实在发生，但对幅度的判断永远保守。你要是等他们的信号来做决策，永远慢一步。
赛道大V：坏掉的钟一天也能准两次
Peter Schiff从十几年前就喊$5,000黄金。Jim Rickards一直喊$10,000。Kiyosaki直接喊$35,000。
他们的策略本质上是每年都喊涨，涨了就是"我早就说了"，跌了就是"还没到时候"。
更致命的问题是：这类预测没有时间颗粒度。 它不告诉你什么时候进，什么时候该跑。你如果2011年听Schiff的话全仓黄金，要扛五六年的横盘和亏损才能等到今天。信仰这个东西，在你亏了40%的时候，没有止血功能。
封神选手：他们真的一直准吗？
这一类人最有迷惑性。因为他们确实在某个关键时刻做出过惊人的精准判断，所以市场给了他们"预言家"的光环。但当我把他们的完整记录拉出来看，画面没那么完美。
Roubini 2013年看空对了，2023年翻多也对了。两次拐点都抓到了，确实厉害。
但你知道他中间错过了什么吗？2009年金价刚突破$1,000的时候，Roubini公开说"不可能再涨20-30%"。结果？金价一路涨到2011年的$1,900，涨了接近90%。2009年底金价到$1,200，他又说"看起来非常像泡沫"、"黄金没有内在价值"。
整个2009-2012年的黄金大牛市，Roubini反复唱空，完全踏空。 这段历史没人提，大家只记得他2013年那次漂亮的看空和2023年的翻多。
Ben McMillan 2024年初预测五年内$5,000，一年半就到了。逻辑建立在央行购金的结构性变化上，确实对了。但问题是：这是他在黄金领域唯一一次被广泛记录的预测。 样本量就是一次。一次对了能说明系统性的预测能力吗？
Ray Dalio 听起来是最稳的——不预测价格，只给配置建议。但你去看他的宏观预测记录：1981年坚信美国要大萧条，在报纸、电视、国会听证会上到处喊，结果大错特错，桥水差点倒闭，不得不找老爸借了$4,000付家庭账单。2015年说"要重演1937年"，没来。2018年说"两年内衰退"，没来。2022年10月喊"完美风暴"——那个月刚好是美股的底部。
几乎每隔两三年就预测一次金融危机，绝大部分没发生。 但讽刺的是，他那句"你不需要预测价格，只需要配置5-15%"，反而成了所有人里面最有用的一句话。
2011年的剧本，2026年正在重演
报告里有一个特别有意思的发现。
2011年金价见顶$1,923之前，市场预测值疯狂阶梯式放大：年初大家预测$2,000，年中翻倍，临近顶部Jim Sinclair喊$12,500，Rob Kirby喊$15,000。最极端的预测，出现在距离真正顶部仅仅几周的时间点。
然后9月金价暴跌。预测者们的反应？先说"健康的修正"，然后几个月才不情愿地下调目标价20-30%，最后把时间表无限期推迟。
2026年3月，金价从$5,600历史高位暴跌25%到$4,200附近——自1983年以来最大单周跌幅。绝大多数机构和名人的反应是什么？维持原有的极高目标价，甚至认为暴跌是"最好的买入机会"。
历史不会简单重复，但剧本真的很像。
那他们现在怎么看未来？
既然都扒了，也把他们最新的判断列出来，给大家参考：
人物/机构 最新预测 核心逻辑 Roubini 此前目标$3,000已实现，看多方向未变 通胀预期回归+长期结构性上涨 McMillan 五年内$10,000 央行购金+美债危机+金砖去美元化 Dalio 不给价格，建议配置5-15% 法定货币信用结构性下降 Jamie Dimon 今年内可能触及$10,000 经济担忧+通胀+资产泡沫 Peter Schiff 三年内$11,400 称近期下跌"不合逻辑" Kiyosaki $35,000 "史上最大泡沫破裂"之后 摩根大通 $6,300 认为暴跌是获利回吐 高盛 $5,400 牛市未结束 瑞银 $6,200 维持看多
看到了吗？从$5,400到$35,000，最高和最低差了将近7倍。 同样的市场环境，同样的数据源，这些全球最顶尖的头脑给出的答案能差这么多。
所以，"财富密码"找到了吗？
我做完全部梳理之后的结论：没找到。
机构永远在追，大V永远在喊，封神选手也不是一直准——他们只是在某些特定时刻对了，而那些错的时候没人记得。把这三类人的预测叠在一起，不但得不到一个更准的答案，反而更混乱。因为他们在同一个时间点经常互相矛盾。
原来我以为"找到最准的人，跟着他走"是一条路。做完这个调研我发现，黄金预测这个领域，根本不存在"一直最准的人"。 只存在"这次碰巧对了的人"。
写在最后
单一一个黄金让我对所谓的金融专家彻底祛魅
ALPHA是否可以被你抓到，除了模型和数据，可能真的还得看命格。
所以，到最后与其试图破解财富密码，我决定不如学Dalio——不预测具体价格，承认不确定性，用配置来管理风险。
黄金去年入仓，今年会持续入仓。投资时间维度个人按10年周期来计算

3月21日，奥斯汀。Elon Musk在一座废弃发电厂里开了一场发布会，宣布了一件AI行业没有人敢做的事：自己造芯片。
Tesla、SpaceX、xAI三家公司联合建造Terafab——一座$250亿的2纳米芯片制造厂。 把芯片设计、光刻、制造、封装、测试全部放在一个屋檐下完成。第一款产品Tesla AI5，单颗性能接近NVIDIA H100，推理成本号称便宜10倍，计划2026年底出样片，2027年量产。目标产能：每年1太瓦AI算力——是目前全球AI算力总和的50倍。
其中80%的芯片会被送上太空，搭载在卫星上运行AI，通过Starlink分发回地面。只有20%留在地球。因为1太瓦算力需要的电量，地球电网根本供不起——太空的太阳辐射是地面5倍，真空散热效率更高，没有电网瓶颈。
消息一出，行业炸了。
他又去挑战一个没人敢动的巨头了
AI芯片市场，NVIDIA基本是绝对垄断。
全球AI基础设施今年的资本开支预计$4000-4500亿，其中芯片采购$2500-3000亿。这笔钱里面，绝大部分流向了一家公司——NVIDIA。它手上积压着$1万亿的订单，市值超过$3万亿，毛利率55%以上。H100一颗卖$30,000，供不应求。
整个AI产业被一家公司卡着脖子，大家都知道。Google有TPU但只给自己用，AMD在追但差距还大，Intel想做代工做得一塌糊涂。没有人真正站出来说：我来跟你正面打。
然后Musk站出来了。设计自己做，制造也自己做，连工厂都自己建。
他到底在想什么
表面原因好理解——芯片不够用。Tesla的自动驾驶、robotaxi、Optimus机器人、xAI的Grok，全是吞噬算力的怪兽。去NVIDIA排队买H100？量大也不一定排得上。找台积电代工？苹果排在前面。
但$250亿只为了解决供应链，太重了。他看到的东西比"买芯片"大得多。
把他手里的牌摊开：Tesla有地面几百万台车和机器人。xAI有Grok大模型。SpaceX有火箭能把东西送上太空。Starlink有全球卫星网络能把数据从天上传回地面。现在Terafab补上最后一块——芯片制造。
从造芯片，到跑AI模型，到发射上天，到全球分发。一整条链，全在一个人手里。
上一个这么做的人叫洛克菲勒——石油从开采到炼化到运输到零售，全链条通吃，成了那个时代最有权力的人。只不过这次的资源从石油换成了算力。
能不能做成？众说纷纭
这件事在行业里争议很大。看好的人说Musk做过太多次"不可能"的事了——SpaceX、Starlink、Tesla，每次被质疑最后都做到了。Wedbush直接给了Tesla $600目标价。
不看好的人理由也硬。Jensen Huang回应了一句很微妙的话："自建芯片厂是极其困难的挑战。" 台积电的工艺积累了几十年，2000多道工序的know-how，靠砸钱买不来。Bernstein算了一笔账：做到1太瓦目标，最终成本可能到$5万亿。而且近十年的先进制程芯片厂——台积电亚利桑那、Samsung Taylor、Intel Ohio——每一座都超预算，每一座都延期。没有例外。
能不能做成，现在没有人知道。但更值得想的问题是——
如果做成了：颠覆式格局
第一，NVIDIA的垄断会被撕开一个口子。
现在整个AI产业被NVIDIA卡脖子的感觉，行业里每个人都体会过。如果市场上出现一颗性能接近、推理成本便宜10倍的替代品，哪怕只供Musk自己的公司，也意味着NVIDIA失去了一个超级大客户。竞争压力会迫使NVIDIA降价或者加速创新。整个AI算力的价格可能因此下降。
第二，AI算力从地面走向太空。
80%的芯片上天这个计划，如果真的实现，AI计算的物理基础就变了。以前所有人默认算力在数据中心里，受电网、散热、土地限制。太空部署打破了这个天花板。几千颗AI卫星在轨运行，通过Starlink把算力卖给全世界——这个商业模式的想象空间太大了。
第三，AI行业的权力结构要重新洗牌。
现在AI的权力分布是：NVIDIA做芯片，台积电做制造，Meta/Google/OpenAI做模型，AWS/Azure做云服务。每一层有不同的玩家。但如果Musk把芯片制造+AI模型+太空部署+全球分发全部打通，他一个人横跨了四层。这种垂直整合的力量，会让所有玩家都不舒服。
最后，地缘政治。 目前全球90%以上先进芯片由台积电生产，工厂在台湾。台海一旦出事全球AI停摆。Terafab建在美国本土，对华盛顿来说，$250亿换来本土先进芯片产能，这笔账怎么算都划算。
我的看法
按时做成？大概率延期。最终花多少钱？大概率远超$250亿。
但方向是对的。
Musk是目前全球唯一一个同时握着芯片制造、AI模型、火箭发射、全球卫星通信、几百万台硬件终端的人。五块拼图每一块都是万亿级的生意，别人想照着做都没有条件。
20世纪的权力版图是石油画的。这个世纪正在被算力重新画。
Musk在这张新地图上圈了一块很大的地。种不种得出东西，看接下来几年。但选的这个位置，确实好。

AI时代正在两极割裂：富人越富，穷人越穷
AI改变了我们的生活习惯，这已经是事实。
写邮件用AI，做PPT用AI，搜信息用AI，甚至连朋友圈文案都让AI代笔。我们习惯了AI的存在，就像习惯了WiFi一样自然。
但很少有人停下来想一个问题：你用的AI，和别人用的AI，还是同一个东西吗？
AI时代的"公平"，是最大的幻觉
硅谷喜欢讲一个故事：AI让每个人都拥有了超级助手，知识不再是少数人的特权，人人平等。
听起来很美。但真相是——AI从底层逻辑上就不是公平的，它比拼的是财力。
从芯片到算力，从模型训练到token消耗，AI的每一个环节都在烧钱。
NVIDIA一块H100芯片超过$25,000。训练一个GPT-4级别的模型，成本过亿美金。你每问AI一个问题，背后都是token在燃烧——而token是有价格的。
Claude Opus每百万token输入$5、输出$25。ChatGPT Pro $200/月。再加上Perplexity、Cursor、Midjourney……一个重度AI用户，每月工具成本轻松超过$500。
有人每月烧$5000用AI构建竞争壁垒，有人用免费版ChatGPT觉得自己已经跟上了时代。
这不是同一条赛道。甚至不是同一个游戏。
国家层面：结构性差距已经无法逆转
这个逻辑放到国家层面更残酷。
AI的军备竞赛需要三样东西：芯片、算力、人才。三样都需要巨额资本。
美国一个国家掌握全球超过70%的AI算力。中国在追赶，但芯片禁令卡住了脖子。至于大部分发展中国家——46个新兴市场国家里，入门级宽带费用占月收入的40%。
当一个尼日利亚年轻人连稳定上网都是奢侈品的时候，谈什么"AI平等"？
高收入国家94%的人能上网，低收入国家只有23%。 高收入国家84%有5G覆盖，低收入国家只有4%。
第三世界国家在AI时代的起跑线，不是落后一步，是根本没有进场资格。
这个结构性差距，靠努力是补不回来的。
个体层面：你的天花板正在被AI重新定义
国家层面的逻辑，落到每个人身上同样成立。
我Twitter Bio上写的一句话：个人的天花板 = 三观 + 认知 + 实践能力。
AI对这三件事做了什么？
▶️第一，AI解决了大量实践效率问题。
以前做一份行业报告要一周，现在一天搞定。以前写代码从零开始，现在AI帮你搭好框架。效率层面，AI确实在拉平。
▶️但第二，AI在极大地放大认知差距。
同一个AI工具，你问什么、怎么问、能不能判断AI给你的答案是对是错——这完全取决于你原有的认知水平。
一个有深度认知的人用Claude做research，他知道该问什么问题，知道怎么追问，知道哪些回答有漏洞需要验证。AI帮他省了80%的执行时间，他把这些时间拿来做更深层的思考。
而一个认知浅的人呢？他把问题丢给AI，AI给什么他就用什么。脑子一扔，直接交付。 长期下来，他不再思考了。AI没有让他变聪明，AI让他变懒了，变笨了。
▶️第三，交付质量的差距会越来越大。
基于你原有的认知去向AI提问，AI交付出来的东西，在深度、准确度、实时性上的差距是指数级的。同样用Claude Opus，一个人产出的是深度洞察，另一个人产出的是看起来像那么回事的废话。
芬兰Aalto大学有一个研究特别有意思：用AI越多的人，越倾向于高估自己的能力。 AI让你"感觉"自己变强了——输出看起来很专业、很流畅。但如果你没有能力分辨好坏，你只是在生产"精致的平庸"。
所以三观、认知、实践能力——这三个维度的差距在AI时代被无限放大。
聪明的人更聪明，有认知的人认知更深，有钱的人用更好的工具拉开更大的距离。而另一端的人，在AI的"帮助"下变得更懒、更浅、更穷。
成本 × 认知：双重鸿沟在叠加
这里有一个很多人没想明白的逻辑链：
钱决定了你能用什么级别的AI → AI的级别决定了你获取信息的质量和深度 → 信息的质量决定了你的认知边界 → 认知边界决定了你的决策质量 → 决策质量决定了你能赚多少钱。
这是一个闭环。富的人会越来越富，穷的人会越来越穷。
免费版ChatGPT的幻觉率接近40%。也就是说，你问它10个问题，有4个答案是编的。而付费版GPT-4的幻觉率28%，最新版又降了45%。
你用免费版做出的决策，和用Opus做出的决策，长期累积下来就是两条完全不同的人生轨迹。
这个世界永远存在巨大的信息差。AI没有消除信息差，AI把信息差变成了付费墙。
翻墙的人和不翻墙的人，已经是两个世界
说一个我个人很唏嘘的观察。
你现在能看到这篇文章，大概率是因为你会翻墙，在Twitter上浏览。
但你回想一下——你身边有多少人是不会翻墙的？你跟他们聊天的时候，是不是已经明显感觉到认知不在一个level上了？
这不是智商的差距。这是信息环境造成的长期认知分化。
一个人每天接触的是全球最前沿的信息、最深度的讨论、最优质的内容创作者。另一个人每天看到的是被算法投喂的短视频和被过滤的信息流。
五年、十年下来，这两个人的思维方式、判断能力、世界观，已经完全不同。
AI时代把这个差距又放大了一层。能翻墙的人用Claude、用Perplexity、用全球最好的AI工具。不能翻墙的人——ChatGPT在中国被封，Claude在中国被封，只能用本地化的替代品，或者通过代购加价获取。
AI时代的"墙"不止是物理防火墙。还有语言墙——前沿AI模型对英文的优化远超其他语言。还有付费墙。还有算法茧房。 每一堵墙都在把人分成不同的世界。
斯坦福大学的研究显示，非英语用户在使用AI时，同样的内容需要消耗5倍的token量。也就是说，你花同样的钱，得到的信息量更少、质量更低。
最可怕的事：你已经掉队了，但你不知道
这是整篇文章里我最想说的一点。
免费版AI也能回答问题。也能帮你写东西。也能帮你搜索。所以用免费版的人会觉得——"我也在用AI啊，我没有落后。"
但免费版的推理更浅，幻觉更多，信息更旧。你得到的答案"看起来"是对的，但实际上充满了似是而非的错误。
这就像两个人都在"跑步"。一个在真的向前跑，一个在跑步机上原地跑。两个人都觉得自己在跑，但只有一个在前进。
心理学里有个概念叫Dunning-Kruger效应：越不懂的人越觉得自己懂。AI把这个效应放大了十倍——你越依赖AI，你越觉得自己很强。但你已经不会独立思考了，你只是不知道而已。
这才是AI时代最残酷的地方。
不是AI会取代你。是用更好AI、有更深认知的人，会把你远远甩在身后。而你可能到被淘汰的那一天，都不明白自己是怎么掉队的。

2026年，a16z做了一件奇怪的事
他们推出了一个8周的fellowship项目——培训的不是工程师，不是产品经理，而是storyteller和content creator。培训完之后，这些人直接被派进a16z的portfolio公司，帮创始人做产品发布和内容传播。
全球最顶尖的VC，开始系统化地教创始人当KOL了。
如果你还觉得"做IP"是一个可选项，这个信号值得你重新想想。
获客这笔账，算不下去了
先说一个让人不舒服的数字：过去10年，to C产品的获客成本（CAC）涨了222%。
2025年，Google Ads一个付费线索的成本是**$70+**，同比还在涨SaaS行业的中位数更离谱——花$2才能赚回$1的年收入金融行业一个客户的获取成本超过**$4,000**
不是你投放不够精准，是整个市场都在涨价。隐私法规收紧了精准定位，平台广告位在通胀，竞争对手在抢同一批用户的注意力。
更要命的是，广告停了，流量就归零。 你花了百万投放，获客成本摊下来可能比产品本身还贵。而一旦预算砍掉，之前买来的流量不会留下任何痕迹。
与此同时，有一组完全不同的数据：
创始人个人内容的有机触达ROI是388%——而且会随时间复利
创始人发的帖子比公司官号多带来33%的leads
创始人驱动的交易规模大3.7倍
创始人和员工内容的参与度是公司页面的8倍
同一个市场，两种完全不同的增长逻辑。一种是花钱买量，越买越贵；一种是用人格换信任，越用越值钱。
AI让产品同质化的速度，快到你来不及反应
2024年，全球AI创业公司从14,000家暴涨到22,000家。每天新增10-15个AI产品。风险投资翻倍涌入。
听起来很繁荣。但硬币的另一面是：同年美国有966家创业公司倒闭（Carta数据），其中大量是AI wrapper——套了一层壳的ChatGPT。
产品功能的先发优势窗口，从"年"缩短到了"3-12个月"。
2024年8月，Google把Gemini 1.5 Flash的输入价格降了78%，OpenAI把GPT-4o降了50%。底层模型在商品化，上层应用更加同质化。你今天做出来的功能，竞争对手明天就能复制。
这不是AI行业的特殊现象。AI加速了所有to C产品的同质化——因为AI让开发更快、让设计更快、让迭代更快。
当所有人都能在3个月内做出一个80分的产品时，最后的20分差距写在哪里？
消费者在用钱投票：他们选"人"，不只是选"产品"
98% 的消费者认为品牌的真实性对建立信任至关重要
71% 的人表示不信任重度依赖AI沟通的品牌
52% 的人一旦嗅到AI生成的内容，参与度直接下降
67% 的消费者愿意为价值观一致的创始人品牌多付钱
AI内容越泛滥，"人味"越稀缺。有人味儿的运营是AI这个时代的企业生存法则。
消费者不是不买AI时代的产品，但他们越来越倾向于选择"有一个真实的人站在背后"的品牌。
这就是创始人IP的底层价值——不是"创始人当网红"那么简单，而是在一个AI让一切都变得同质化的时代，创始人本人成了品牌最大的差异化资产。
让我分享几个你一定听过的名字
一， Sam Altman — 一个人撑起整个AI叙事
Sam Altman的Twitter粉丝450万，比OpenAI官方账号的330万还多。Sora发布的时候，Altman发了一条推文问粉丝想用它做什么——1500条评论、700万次展示。这不是营销部门策划的campaign，就是创始人本人发了一条推。2025年1月他发了一句"我们很确定知道如何构建AGI"——没有产品发布、没有技术论文，一句话就改变了全球AI叙事的走向。
OpenAI的估值从2023年$290亿涨到2025年的$3000亿。Altman的个人IP是这个增长曲线中最大的免费加速器。
二， Aravind Srinivas — 研究员出身，零营销预算做到$210亿
Perplexity的CEO Aravind Srinivas可能是2025年最值得研究的案例。他不是网红出身，就是一个ML研究员——之前在OpenAI、Google Brain、DeepMind做研究。创业后他做了一件事：自己亲自做所有的产品沟通，从来不委托给营销团队。 在Twitter上写研究拆解、解释产品逻辑、直接回应用户反馈。
结果？Perplexity的估值从2023年的**$1.5亿涨到2026年的$212亿**——133倍。月查询量7.8亿次，日均3000万。印度用户增长640%——很大程度上是因为Aravind作为印度裔创始人在当地的个人影响力。
没有传统市场营销。就是创始人的可信度+产品故事+透明沟通。回头，问你一句，你在你用户社区里面每周多长时间，每天多久呢？
三， David Holz — 零广告，20个人，$5亿营收
Midjourney的创始人David Holz更极端。这是零营销预算。团队只有10-15个人。2025年营收$5亿。用户超2000万。
他的策略是什么？定期在Discord做"Office Hours"直播——亲自回答用户问题、讨论产品方向、处理版权争议。不做公开发布，所有更新只在Discord社区里宣布。用户觉得自己在跟一个"独立研究实验室的理想主义者"一起参与一件事，而不是在用一个公司的产品。这种信任感让Midjourney的用户自发在Twitter和Reddit上传播作品——每个用户都变成了免费的营销渠道。
四，另类案例 Duolingo — 不是创始人IP，但本质一样
Duolingo没走创始人IP路线，虚拟IP也是项目IP：把品牌变成了一个"人格"。一只绿色猫头鹰在TikTok上"发疯"——演算法追踪你、假装死掉、和其他品牌互怼。4年时间把月活从3,700万拉到1.17亿。不管是创始人本人做IP，还是品牌人格化——底层逻辑一样：在AI让所有产品看起来都差不多的时代，消费者需要一个"活的东西"来建立连接。 这个"活的东西"可以是创始人，也可以是一只会发疯的猫头鹰。
五， 也是最后的经典 Elon Musk — 双刃剑的极致案例
说Musk不能只说好的。
160M粉丝，全球影响力最大的创始人KOL。Grok靠他的个人推广+X平台整合，市场份额从2025年初的1.9%涨到2026年的17.8%。
但另一面是：Tesla的品牌价值从2024年的**$583亿跌到2026年的$276亿——下降53%**。2025年销量下降9%。原因？Musk的政治言论引发了大规模消费者抵制。当然了，Elon是我心中的神所以他也成功攻克了这个问题已经。我放入在哪仅为了更好提供案例让大家方便理解。
创始人IP是放大器，放大的是一切——好的坏的都会放大。
这是一个押注创始人懂得做IP的时代
VC的逻辑很直接：创始人的IP能力，决定了产品的市场穿透速度和融资效率。
Weber Shandwick的研究量化了这个关系：企业高管估计他们公司44%的市场价值直接归因于CEO的声誉。 44%——接近一半。
当VC开始系统化地投资创始人的个人品牌时，这件事已经从"nice to have"变成了基础设施。
但记住：产品力是1，IP是后面的0
说完这些案例，有一句话必须讲清楚。
很多人说我流量很大产品没人用，那么又回到了你产品是否抗打是否有护城河？而你的流量是为了品牌给用户NDA打造还是为了蹭而蹭尽你项目压根不需要的热点或者称之为噪音？
创始人IP有一个前提：产品力是1，IP是后面的0。没有1，再多0也是0。
IP放大的是产品价值，不能凭空创造价值。先有过硬的产品，IP才有放大的基础。反过来，有好产品但没有IP，等于1后面没有0——赢是能赢，但赢得很慢。
AI时代创始人的新必修课
总结一下核心逻辑链：
获客成本失控 → 传统投放ROI持续恶化 → 需要更高效的增长方式
AI加速产品同质化 → 功能不再是壁垒 → 需要新的差异化来源
消费者要"人味" → AI内容越泛滥，真实性越稀缺 → 有真人站在背后的品牌胜出
三条线交汇在同一个结论：创始人的IP，是AI时代to C产品最高效的增长杠杆，也是最难被复制的壁垒。
如果你还没有动手做自己的IP，如果你还在纠结"公司那么多事情需要处理，做IP太花时间了"——那么请你读完这篇文章之后重新审视一下。
从现在开始，DO IT NOW。
这就是提高你公司成功效率最大的路径之一了。

我想了很久要不要写这篇。
手上有RWA方向的项目，写这个有点打自己脸。
但这个问题真的值得正面回答。
链上国债超$4B+，一年涨三倍多。BlackRock的BUIDL基金单季吸了几亿美元。Franklin Templeton、汇丰都在入场。
RWA的TVL是这轮熊市里少数还在涨的数据。
但你打开这些项目的token——
基本全绿，往下那种。有些从高点跌了超过90%。
为什么？
有人会说：散户进不去。
这个答案对了一半，但已经过时了。
市场上已经有项目在解决这个问题——注册即可，零售用户也能参与RWA收益。
用户准入的门打开了。
但币价还是在跌。
我认为很多RWA项目从一开始就没有理解项目的本质
RWA产品+TOKEN是需要各尽其职
token经济模型就设计错了。
所有的RWA相关TVL类别项目最常见的死亡公式长这样：
用户存TVL进来拿RWA收益 → 同时发token作为额外奖励 → 用户持续卖token → token跌 → 继续发更多token补贴 → 没有人敢买token
这个逻辑的本质是：token变成了补贴工具，不是价值载体。
你如果这么思考商业的逻辑，那么持有token的人只有一个动作——卖。
没有人需要买token，因为买了也没有额外的好处。想要RWA收益，直接存资产就行，根本不需要持有token。
这就变成了一个永远只有卖压、没有买盘的市场。
很多DeFi项目都死在这里。
存TVL给收益，再给airdrop，再给token奖励。一轮一轮发。没人买，只有人卖。项目方账上的token越发越多，价格越打越低，最后陷入流动性枯竭。
RWA赛道现在正在重蹈这个覆辙。
那应该怎么做？
因为我做战略咨询增长策略，所以把问题抽干到最后就是RWA的商业本身
RWA项目应该把资源集中在一件事上——找到真正好的RWA资产。
而不是设计越来越复杂的token激励体系。
什么是好的RWA资产？四个标准：
有吸引力的APY。 收益率要能让用户觉得值得，跟TradFi比要有竞争力，不能比银行理财还低。共识性。 资产本身要有市场认知度，国债、知名机构背书的信贷产品，用户看得懂、信得过。稳定性。 不是高风险高收益的投机产品，RWA的核心价值主张是稳定的真实收益。安全性。 资产端的风控做得住，底层资产不会暴雷。
当底层资产足够好，用户自然会进来拿收益。
这时候token的角色应该是：持有token才能解锁更好的资产、更高的收益比例、更优先的配额。
需求从资产端传导到token端，形成真实的购买理由。
而不是倒过来——用token补贴来吸引用户进来，最后发现谁都不想持有token。
RWA这个叙事是真的，数据是真的，机构在进来也是真的。
但叙事再强，托不住一个从设计上就有问题的token模型。
下一个真正跑出来的RWA项目，我预测一定是先把资产端做扎实，再来谈token价值的那个。
不是靠token奖励拉TVL，而是靠TVL来支撑token。
顺序搞反了，什么叙事什么市场大神都救不了。
好资产吸引用户，用户支撑token。 反过来做，就是在用token补贴一个没人真正想要的产品。
Y Strategy----Jiayi

好多人又开始退圈了，这个基本是每个二级熊市周期都会有的现象，这次更多而已。
而我超级兴奋，甚至让本来睡眠障碍的我为不睡觉又找到了合适的理由。
我写这个文章的机缘来源于，前天和一个做互联网的大佬通了3小时电话。
他不在 CT，没有发币计划。他是那种你跟他讲 token 他根本没兴趣的人。因为他太有钱了，他的梦想是要做下一个比肩 Google 的超级野心者。
电话里面都是他的兴奋，他告诉我虽然他之前不在币圈但是他一直关注发展。现在的他做了未来人生最重要的决定：
他要做 Web3 基础建设。这是未来人生，聪明人应该 All in 的事业。
他说他对未来世界的判断，是属于 AI agentic 交易支付的世界，而 Agentic 支付必须需要发生在 Crypto。
AI agent 自主执行任务的频次越来越高，大量任务涉及支付。这种支付需要高频次、小单位、高效率、安全可信。他研究下来，只有区块链，只有稳定币能解这道题。
他来 Web3，不是为了发币，不是来赚快钱的。是终于逻辑想透了，判断技术拐点就在眼前，所以提前进来建。
这个判断，CT 上也在同步发酵，基本成了共识。
CZ 在多个场合提 AI agent 是 crypto 应用层的下一个爆发点。TrustWallet 在做相关布局。逻辑都指向同一件事：AI agent 需要 wallet，就像人需要 wallet。
但人付钱可以有 KYC，可以等 T+2，可以填表审批。机器不行。机器要的是毫秒级、无摩擦、可编程。AI agent 在帮你订机票、执行交易、处理合同的时候，它没办法停下来等银行系统走流程。
传统金融系统的设计逻辑是围绕人的。这套东西机器用起来全是摩擦，多摩擦几次你 agent 是否帮你赚钱不知道，本金反正摩擦没了。
Crypto 的结构，天然适配机器支付这个场景。不是强行叙事，是 AI 的行为方式，在结构上决定了它只能用 Crypto 付钱。
方向对了，现在就是 BUILD 的时间。
我预计还要一年左右，会进入真正的疯狂前启动状态。
AI agent 的自主程度还需要再上一个台阶，链上的用户体验还有缺口，机器支付的真实规模还没起来。就像 DeFi Summer 来之前，也有那么一段时间，一堆人在建，大多数人看不懂。然后某天，突然全炸了。
现在就是那个"看不懂"的黄金阶段。认知加上实践能力就是财富天花板。
炒币的人和 Web3 建设者，实际是两种不同的人群。互相需求，但是思维截然不同。
前者问的是"什么时候涨"。后者问的是"哪里有真实问题没被解决"。两种人用同一套词汇，活在完全不同的时间轴上。这也是我给项目做顾问的时候，经常指出来的他们自说自语、用户听不懂的问题的根源。
对炒币的人来说，现在是熊市，没什么好说的。
对建设者来说，现在是窗口期。喧嚣退了，流量少了，能踏实做事的人反而有空间了。最近有些朋友问我，现在熊市你为什么这么忙？我心里面咯噔一下，想要做的事情太多了。
如果你感觉熊市无事可做，大概率到下一个周期，就快要从 Web3 人的等级人群中出局了。
市场热起来再进的人，抢到的永远是情绪。
AI x Crypto 这件事，一个互联网大佬没有想着发币割一波跑路的心态，而是选择带着团队研究完了 ALL IN 进场建设——这就是最有说服力的信号之一。
难道只有我一个认为，Web3 才要迎来真正的牛市？
Y Strategy · Jiayi

AI 爆发之后，行业里一个被高估了十年的东西正在崩塌：融资的必要性。
增长，成了生死题
以前产品研发成本高，不融资做不出来。现在呢？成本结构被 AI 彻底改写，过去花两年的东西现在几周就能解决。
当"做出来"不再是门槛。增长，变成了所有项目的生死题。
但我看到的大多数增长，说难听点，是吗啡式增长。
上币前砸一波预算，KOL 矩阵拉满，数据报告做的项目方看完觉得自己就是下一个 1B 的大项目，然后带着这种自我陶醉去跟交易所谈。钱烧完了，你去社群随便拉个人问——
"这项目干嘛的？"
答不上来。
想不明白最终目的营销，结局只有一个：一地鸡毛。
我在《XDO 2025年度市场营销白皮书》里讲的核心就是这个——Web3 项目必须从虚假繁荣转向真正的增长驱动。而真正的增长瓶颈，往往只卡在那么一两个关键点上。
找到增长卡点，解掉，增长自然发生。找不到，你花的每一分钱都在为自己的认知盲区买单。
市场公司这个标签，一直在拖我们的后腿
行业里对"市场公司"的认知是什么？认识一帮KOL，然后你宣传内容我给到KOL发一下，中间服务费到手。
但XDO做的事情从来不是这些。
过去一年我们真正花时间最多的环节，是在任何预算花出去之前，跟创始人坐下来死磕四件事：
你这个需求是真的，还是写给投资人看的？
你的壁垒是什么？你的壁垒能持续多久？
你的产品是否对于用户有适用价值？如果做产品活动，只是为了上币前虚假繁荣数据还是真的是为了自己未来增强壁垒而铺路？
你项目对外的一切的宣传到底是自High，还是用户真正关心的？用户他脑子里那个甩不掉的印象和思想钢印到底是什么？
这四个问题不解决，后面所有的 Campaign和合作宣传 都是在烧钱。
所以我们一直帮助客户做的归结就是一句话-------“帮创始人校准增长「卡点」”。哪里是项目增长真正需要的，都是我们的责任范围。
我们实际做了什么
用几个案例来举例：
WLFI —— WLFI最主要的增长就是围绕在USD1的发行量。而我们职责是全球全渠道一切USD1发行相关的营销。一套为USD1特定的稳定币市占策略出来后，1个多月的时间USD1 从 1.3BTVL 快速增长到 5B。仅X平台曝光超过 1500 万，首创的币安广场直播活动更是让USD1吞吐了三分之一的直播间。
KiteAI —— KiteAI是一个纯技术类项目，这种技术类项目很容易遇到的问题就是用户太难懂了。所以对Kite，第一件事情就是让他们放弃任何晦涩难懂的技术类内容营销。围绕打造AI支付龙头这个思想钢印，拆解成了社区用户又容易理解也真正Buy in的几个非常小的单点。
那就是，懂支付的巨头都看好Kite + 所有最领先最火的技术方案都是Kite的合作伙伴 + 有支付商业格局的巨头都有可能是潜在的Kite客户。
所以有了今天全民看到的Kite AI乘着Paypal和 x402 协议势头， 直接成了这条叙事线的定义者。2025 年 Binance Launchpool 唯二上线项目之一，仅TGE 当天 Twitter 曝光破 500 万。
GoPlusSecurity —— GoPlus在我接手的时候已经是to c安全产品老大，占有市场97%以上的占有率。但是安全这个赛道属于大家知道重要，但是非必要不买单。并且一个To C安全的公司缺没有To C产品直接面对用户导致用户完全不理解Go Plus在做什么。
对于Go Plus第一件事情就是重塑品牌定位和产品线战略，我们快速提案并且推出了C端插件，2个月有了30多万用户下载Goplus作为自己冲浪web3各产品的防护型产品。没有选择对外输出非常多的PR和教育市场工作，而是通过产品直接与用户深度链接斩决了To C产品龙头的认知。
SaharaAI —— Sahara打出来标注这个事情的时候，市场还对AI标注没有深刻理解。大多数的人停留在勾选这个是小汽车还是公共汽车这种古早认知。所以Sahara的交互设计就是真实还原了他们为其他传统大客户的标注体验，只要和Sahara交互过的用户从第一天开始就可以体验到Sahara与其他嘴上宣传着“标注”的项目的不同。
此外，我们设立了沙漠狐的形象并在ICO前进行了大量的社群文化的建设。没有选择当时项目方必选的UGC平台Kaito而是在自平台利用创新的UGC活动让社区随意的发挥对于Sahara的创造性。14 天，33 万人参与，2.4 万篇内容产出，X 财经趋势榜第二。最让其他项目羡慕的是，这一切的社区的建设和创意不是建立在空投的基础之上。他们都成为了Sahara的最早投资人。
每一个案例的共同点
总会有人问我，你怎么帮其他客户服务的？我说，「定义一个项目成功的值都不同。所以不可复制」
当「一」被校准，增长便成了顺理成章的事
所以我关掉了市场公司XDO， Y Strategy也正式起航
“Y” = WHY + 中国文化的“一” 便是我们的增长核心方法论和文化；
找到商业的事情的本源；
了解每个事情背景成功的真正目的和定义；
一生二，二生三，三生万物。
如果你正在找
不是找一家只是帮你付费发稿子的市场公司。
而是找一个长期陪跑的解决增长问题的共同创业团队，那我们应该聊聊。
Y Strategy —— 我们在这里，是陪着优质项目跑的co-founding 团队；
也愿，成为你项目可以成功的最大优势。

AI在X上流量爆炸，我的X每天发给我一种新型内容——
有人发一个AI工具配置截图，配文"我用这套系统效率提升了10倍"。评论区立刻涌入一堆"已安装""太强了""不学就被淘汰了"。
还有人分享自己的AI workflow，告诉你复制他的方式就能月入X万。
然后呢？你装完了，你还是你。
对于不会交易的你来说，AI有效的提升了你亏钱的效率
你的问题从来不是少一个工具。
我不否认AI是这个时代最大的变量。但我想说几个大家不太愿意听的事实。
一、X上80%的AI内容，本质是恐慌营销
"不用AI你就完了"——这句话本身就是一种收割手段。
制造焦虑 → 提供解药 → 获取流量。
这是一条非常成熟的变现链条。
你仔细观察就会发现，那些最拼命喊"AI革命"的人，卖的不是AI能力，而是你的恐慌。他们最需要的不是你真的学会AI，而是你持续焦虑，持续关注他们，持续转发他们的内容。
这和当年币圈喊"不上车就晚了"是一个逻辑，换了个皮。
最近X上一条"Something Big Is Happening"的AI帖子拿了 7000万次曝光。然而，这条帖子刻意省略了关键上下文，只保留了最能激发恐慌的部分。
恐慌卖的是注意力，不是真相。
二、一键复制别人的AI策略，是最蠢的学习方式
量身定制AI本质拼的还是个人的认知。
最近有个 50K star 的Claude Code配置仓库火了。很多人转发说"赶紧装"。
我认真研究了一下——
它是一套为专业程序员设计的开发工作流配置：TDD测试驱动、代码审查Agent、安全扫描，17个专用子Agent。非常优秀。
但它是为写代码的人设计的。
比如我一个做市场的人装这套东西，那简直影响了我本身的聪明的Skill的运行。
每个人的工作场景、痛点、思维方式都不一样。别人的AI配置是别人踩了无数坑之后，为自己量身定制的结果。
你一键复制的不是他的能力，而是一堆你用不上的文件。
更讽刺的是，Claude Code 的创造者 Boris Cherny 自己说过：他的配置其实"surprisingly vanilla"——出厂设置就够用了，不需要太多自定义。
但这种话不够刺激，所以没人转发。
三、AI最大的陷阱：不是"你不会用"，而是"你什么都用"
我见过有人让AI帮自己安排今天做什么、每件事的优先级、每个task的时间分配。
这让我很震惊。
对自己时间和精力的分配，是一个人最核心的能力。
你要做什么、先做什么、什么值得投入、什么应该放弃——这些判断背后是你对自己的了解、对目标的清晰度、对机会成本的感知。
这不是一个AI能替你做的决定。
因为AI不知道你昨晚失眠了所以今天状态不好，不知道你对某个项目有直觉层面的信心，不知道你最近和某个合作伙伴关系微妙需要优先处理。
把这些交给AI，就像让一个刚认识你5分钟的人来规划你的人生。
AI可以加强你的思考，还是AI代替你的思考。基本是我认为AI和人谁是燃料的判定。毕竟现在活体脑细胞可以跑运营AI了。
四、数据告诉你一个残酷的真相
大多数公司用了AI，生产力没有任何提升。
这不是我说的。
Fortune 今年2月报道：数千名CEO承认，AI对就业和生产力没有产生实际影响。
Goldman Sachs 最新研究：AI与生产力之间没有显著相关性。
Tom's Hardware 引用6000名高管调查：超过80%的公司报告AI没有带来生产力提升。
诺贝尔经济学奖得主 Daron Acemoglu 直接说：AI没有在提高生产力。
哈佛商业评论今年2月的标题更直白：
"AI Doesn't Reduce Work — It Intensifies It" （AI没有减少工作，它在加剧工作。）
UC Berkeley的研究也警告：AI在职场中产生的效果，和预期的恰恰相反——员工的确变得更能产出了，但工作量也跟着暴增，最终导致burnout。
五、真正该焦虑的不是"我还没学会用AI"
而是"我已经不会自己想了"。
独立思考能力是这个时代最稀缺的资产。
AI能帮你写出80分的内容，但从80到100的跃迁，只有人脑能完成。AI能帮你搜集信息，但判断哪些信息重要、怎么组合成独特的洞察，这是人的活儿。
有研究显示，在SAT写作测试中，使用AI辅助的那组人大脑活跃度最低，内容被评价为"缺乏原创性和温度"。
过度依赖AI，尤其在年轻人中，会对大脑发展产生负面影响。
你在训练AI的同时，也在让自己的大脑退化。
这不是科幻。这是正在发生的可悲的事情。
六、正确的姿态
拥抱变化，学习提升认知，并保持清醒。
知道哪些事情AI做得比你好——
重复性工作、数据整理、格式转换、初稿生成。把这些交给AI，没问题。
也知道哪些事情你做得比AI好——
战略判断、关系维护、创意直觉、价值取舍、时间管理。这些能力需要你反复练习，而不是外包给一个模型。
不是所有问题都需要一个AI解决方案。
有时候关掉所有工具，安静想10分钟，比开10个AI窗口更有效。
别让"AI焦虑"成为你的新枷锁。
那些在X上贩卖AI恐慌的人，赚的就是你的焦虑。你每转发一次"不学AI就完了"，就是在帮他们免费打工。
这一轮AI浪潮真正的赢家，不是用AI最多的人，而是知道什么时候不用AI的人。