260519 期｜930 万元 token 账单
EPUB 电子书
14 篇文章 · 笔记约 62,405 字 · 0.2 MB
今日洞察
昨天的收藏集中在一个更清晰的问题上：AI 已经从“能不能做”走到“账单、基础设施和工作流能不能承受”。今天建议优先精读 AI 成本 / 数据中心一组，再看 Codex、Claude Skills 和学术研究 skills 如何把 agent 能力沉淀成可复用流程。
每日必读
-
一个月 930 万元 token 账单背后的空转风险 开放阅读
文章用“一个月烧掉 930 万元 Token”的极端案例提醒：高强度 AI 使用并不自动等于高质量产出，真正要追问的是每一笔 token 是否转化成了判断、产品或组织能力。
-
Claude Skills 的完整构建手册 开放阅读
这份 PDF 系统讲解 Claude Skills 的构建方式，是把 agent 能力封装成稳定工作流的基础材料，也能反向校准 Codex skill 的设计。
🧠 AI 经济与基础设施
这一组共同指向 AI 规模化的硬约束：token 账单、订阅成本、数据中心阻力、本地推理成本、芯片竞争和收入集中度。
-
一个月 930 万元 token 账单背后的空转风险 开放阅读
文章用“一个月烧掉 930 万元 Token”的极端案例提醒：高强度 AI 使用并不自动等于高质量产出，真正要追问的是每一笔 token 是否转化成了判断、产品或组织能力。
-
数据中心反对运动正在成为 AI 基础设施变量 订阅专享
Ben Thompson 把数据中心扩张遇到的地方阻力，放到 AI 基础设施供给里讨论：未来算力竞争不只是 GPU 和资本，也是土地、电力和社区补偿机制。
-
Jevons 悖论的阴暗面：越便宜，越可能越贵 订阅专享
Cal Newport 从 Jevons 悖论切入 AI 成本：单位 token 变便宜后，总使用量可能更快膨胀，最后让组织承担更高的总账单。
-
企业 AI 订阅可能是一颗延时炸弹 订阅专享
文章把企业 AI 订阅成本视作采购和预算风险：当工具从个人效率软件变成全员基础设施，固定订阅会迅速变成难以解释的组织成本。
-
AI 不一定让流程更快，可能只是放大原有摩擦 订阅专享
作者提醒，AI 引入流程后并不天然提速；如果组织没有清楚的输入、判断标准和责任边界，AI 只会让已有流程以更快速度制造返工。
-
Anthropic 与 OpenAI 正在吞下大部分 AI 收入 订阅专享
这条短讯关注 AI 收入集中度：如果少数 frontier 公司占据绝大部分收入，应用层和中间层创业公司的商业空间就需要重新估算。
-
AMD 正在用数据中心叙事挑战算力格局 订阅专享
文章把 AMD 的市值、数据中心业务和 AI 芯片叙事放在一起，适合作为 NVIDIA 之外算力供给格局的观察材料。
🔧 Agent 工作流与技能化
这一组显示 agent 能力正在被拆成更稳定的操作面：连接控制、skills、研究流程、内容生产方法、车载 agent 和 coding 责任边界。
-
Codex 连接控制从单机扩展到多设备 订阅专享
文章用 iPhone、MacBook、Mac mini 和远程服务器解释 Codex 的连接控制路径，适合补齐本机 agent 协作和远程执行的操作图谱。
-
AI 内容创作也需要可复用方法论 订阅专享
作者把三年 AI 内容创作经验整理成内部分享，价值不在单条技巧，而在把内容生产从灵感型工作改造成可讨论、可复盘的流程。
-
Claude Skills 的完整构建手册 开放阅读
这份 PDF 系统讲解 Claude Skills 的构建方式，是把 agent 能力封装成稳定工作流的基础材料，也能反向校准 Codex skill 的设计。
-
学术研究 skills 开始覆盖研究到修订的全流程 订阅专享
academic-research-skills 把 research、write、review、revise、finalize 拆成 Claude Code 可执行的技能链，说明学术工作流正在被 agent 化。
-
不“凭感觉编程”：AI coding 仍要为结果负责 订阅专享
文章反对把 vibe coding 当作默认模式，强调经验、抽象、数据、摩擦和责任仍然是软件创造的一部分。
💼 商业与产品策略
这组更偏经营与战略：公司本身如何成为产品，AI 作为通用技术如何吞噬世界，以及同一主题的演讲材料如何反复消化。
-
安克把公司本身当成最难的产品 订阅专享
阳萌把安克的增长经验抽象成“公司是产品”，强调品类选择、规则抽象和长期平台能力，对 AI 原生公司也有组织启发。
-
Benedict Evans 用演讲解释 AI 如何吞噬世界 订阅专享
这场 Slush 演讲把 AI 放进移动、媒体和技术平台的长周期里分析，适合从“技术扩散”而不是单点产品角度理解 AI。