夜雨聆风实际的研发场景已经验证了这种转变。系统工程师在提交复杂的优化设计方案后，模型不仅在短时间内完成了初始规范的编写，还自主运行了代码，并通过性能分析器识别瓶颈，完成了数轮迭代优化。当 AI 能够独立承担 80% 的编程任务并解决复杂的数学难题时，传统依靠管理层级和大型团队协作的组织模式正面临重构。当执行过程被极大简化，人类的决策权与价值观判断成为了系统中最关键的瓶颈。本文将带你深入这场对话，探讨 AGI 时代的生产力底层逻辑。
【读书笔记】
1. 算力是 OpenAI 的核心业务基石，且需求永远无法被满足，OpenAI 的业务模式被简化为购买、租赁、构建算力并溢价转售;Greg 透露在 ChatGPT 发布初期就要求团队买下“全部”能找到的算力，并断言无论增加速度多快都无法跟上需求
2. 缩放法则是宇宙般的经验真理，目前仍驱动着模型的持续进化，神经网络的核心思想自 1940 年代以来并未改变，关键在于向其投入海量算力，模型能力会相应提升且目前没有瓶颈；虽然发生了如 Transformer 对 LSTM 的替代等演进，但 OpenAI 坚信地平线上仍有丰硕的果实
3. 编程范式正发生“一次性”的转变，AI 正从工具变为执行主体，智能编程工具编写的代码占比已从 20% 跃升至 80% ；案例显示，模型已能自主完成系统优化：从读取文档、实现规范到使用性能分析器（Profiler）进行迭代优化，整个过程无需人类干预
4. AI 将重塑组织架构，使扁平化和个人创业成为主流，未来将出现能够建立惊人业务的个人创业者，管理结构可能不再需要复杂的层级，例如，互联网上的个人利用 GPT-4.5 Pro 就能解决未解的数学难题，这在以前需要一整个数学团队
5. AI 的瓶颈将从做事转向人类的价值观判断，随着做事变得容易，人类的注意力将成为稀缺资源；系统将演变为由 AI 处理低风险操作，而人类仅负责决策“这是否是我想要的”以及“是否符合价值观”，即人类将成为最终的治理瓶颈
6. 科学和物理 AI 正在突破模拟世界的局限，迈向现实世界的应用，AI 已经推导出了物理学家此前认为不可能得出的美丽公式，被视为通往量子引力的一步；OpenAI 预测今年或明年科学领域将因 AI 迎来重大成果
本文编译自2026年5月2日发布于Sequoia Capital的专栏，原链接：
https://podcasts.apple.com/us/podcast/openais-greg-brockman-why-human-attention-is-the-new/id1750736528?i=1000765646893
以下是原文的全文翻译，enjoy!
注：正文中标蓝部分为读书笔记的对应原文。
【正文】
Alfred Lin：Greg，你曾是两家非常壮观的公司的一员。Stripe 的 4 号员工，然后是第一任 CTO，我最近听说他们处理了全球 GDP 的 1.6%。你一定为此感到自豪。
Greg Brockman：那太棒了。
Alfred Lin：你应该更自豪的是，目前 OpenAI 已经拥有接近甚至超过 10 亿的周活跃用户。
Greg Brockman：我是说，这都非常令人兴奋，它展示了技术能做些什么。
Alfred Lin：你不仅是联合创始人和总裁，还是 OpenAI 的首席构建者。我听说那是你的头衔之一。
Greg Brockman：我不确定是否有一个正式的头衔，但我被叫过很多称呼。就这么说吧。
Alfred Lin：这里有一群优秀的构建者，所以我们将从技术栈的最底层开始，OpenAI 有多个业务栈，其中之一是算力。你们在获取算力方面一直非常激进，非常激进，这是为什么？
Greg Brockman：在很多方面，我们的业务非常简单：我们购买、租赁、构建算力，并以一定的利润率转售。就是这样，只要利润率为正，你就想扩大规模，因为解决问题的需求、对智能的需求是无限的。而我们现在的 AI 确实能够应对挑战，有效地处理你抛给它们的任何类型的问题。
Alfred Lin：你有足够的算力吗？
Greg Brockman：不，真的，没有。
Alfred Lin：肯定没有。我刚和 Matt Garman 在一起，他说 2026 年的 GPU 算力可用性几乎为 0。难道你们不是已经拿走了所有的算力吗？
Greg Brockman：我是说，我们想要更多吗？老实说，我们一直在外面寻找更多。我会告诉你，就像我们刚发布 ChatGPT 时，我记得和团队开会，他们问：“好吧，我们该买多少算力？”我说“全部买下来”，他们说：“不，不，不，认真点。快点，我们要买多少？”我说：“无论我们尝试以多快的速度增加算力，我保证我们都无法跟上需求。”自那以后，事实一直如此。
Alfred Lin：这太引人入胜了。从算力往上移，既然我不确定这里的观众能否帮你获得更多算力，因为他们大多是初创公司的创始人，关于架构和缩放法则（Scaling Laws），我们现在处于什么位置？它们仍然每年翻倍吗？你们在改变架构吗？在研究方面，你们正在推向什么前沿？
Greg Brockman：首先我想说，缩放法则是深奥而美丽的谜团。它们感觉是非常基础的。就像科学真理，就像你思考物理学和 Newton's Laws 之类的，这在某种程度上是宇宙的真理，而且它们是经验性的。
我们不一定有所有的理论来解释它为什么有效，但对我来说，最美好的事情是神经网络虽然是在 20 世纪 40 年代设计的——在电脑出现之前——但不知何故，我们能够采用当时开发的完全相同的想法，并应用越来越多的计算。当你向模型投入更多算力时，它们会变得相应地更有能力，而且这种趋势一直在持续，没有瓶颈。我认为这是一件美好的事情。
Alfred Lin：那真的很美。是否还有更多的研究或更多的算法在开发中？因为在过去，如你所说，我们在 1940 年代就有了神经网络，但没有算力。既然现在我们有了算力，我们只是在推动同样的东西，还是有新的架构和新想法出现？
Greg Brockman：是的，我认为我们绝对有源源不断的新想法在支撑着我们的工作。如果说“让我们把 1940 年代的神经网络放进千兆瓦级的数据中心”，那就太简化了。我们进行了大量的创新，并不断改进。有时这些是微调，比如你意识到你格式化数据的方式不太对，那实际上可能产生重大影响。有时则更重大。
你想想从 LSTM 到 Transformer 的转变，我认为并非所有人都能超越 2017 年那篇论文中描述的 Transformer。因此，创新一直在发生，我想到那些或许在如何改进架构、如何改进基础算法以及如何实现范式转移方面投入了最长期研究的地方。我认为 OpenAI 一直处于领先地位，这也是我们继续投入的方向。我看到了地平线上丰硕的果实。
Alfred Lin：关于模型，OpenAI 对 AGI 有正式的定义吗？我们接近了吗？Pat 和 Sonia 发表文章说我们在功能上已经达到 AGI 了。你同意吗？还是不同意？
Greg Brockman：我们确实有一个正式的定义，但在某种程度上，我学到的一件事是，每个人对于 AGI 是什么都有自己的直觉。按照我对现状的看法，我认为我们已经完成了 80% 的路程，因为我们的模型很聪明，非常有能力。
Alfred Lin：它们比你聪明吗？我的意思是，如果你提供完整的上下文，它们在编写软件方面肯定比我更有能力。这真的很了不起。在座的有人觉得自己在写软件方面比 GPT-4.5 强吗？
Greg Brockman：好吧，在编写技能方面，我们看到了巨大的增长。确实，根据我们的一些内部结果，如果你针对你的问题有正确的设置，即使是低级别的任务，你也能获得非常巨大的成果。
举一个趋势发展的例子，我的一位系统工程师，也面临类似情况，他说：“嘿，我对 GPT-5、5.1、5.2 甚至 5.3 都没有感到有什么价值。”于是他心血来潮，准备了一份他即将进行的非常复杂的系统优化设计文档，并交给了模型。然后他去睡觉了，打算醒来后把这个交给他的团队在下周完成。当他醒来时，工作已经完成了。模型实际上实现了初始规范，发现运行缓慢，添加了检测指令，实际运行了代码，使用了 Profiler（性能分析器）找出运行缓慢的地方，并多次迭代直到得到优化的结果。这太不可思议了。这就是我们所处的阶段。
Alfred Lin：那么你会建议这里的初创公司怎么做呢？因为模型变得越来越有能力。当 Sam 以前在这里时，我也问过这个问题：如果你今天在构建产品，当两年后新模型出现时，你需要重做吗？因为所有的功能和能力在你周围都改变了。你需要确保你没有挡在 OpenAI 的路上吗，因为你们会直接碾过初创公司，因为模型变得如此强大？你会如何建议初创公司创始人在这种环境下构建产品？
Greg Brockman：首先，我会说要全身心投入（Lean in）。现在的工具已经变得极其有用。如果你观察，甚至就在 12 月期间，我认为我们见证了这些智能编程工具从编写 20% 的代码变成了编写 80% 的代码。这意味着它们从某种“配角”变成了你正在做的“主角”。我认为今年我们正在所有人们使用电脑完成的工作中实现这一点。你可以看看 Codex 最近的进展。它确实正在从软件工程师的工具转变为任何使用电脑工作的人的工具。就在过去的一周里，我们发布了一系列功能，使它变得更加强大和有能力。我们今天刚宣布了一个名为 Chronicle 的新工具，它插入到 Codex 中，实际上可以观察你在电脑上做的一切，并对正在发生的事情形成记忆。
所以你问它一个问题，它立刻知道你在说什么。你说：“我 5 分钟前在做什么？”它知道。你说：“哦，这个人在谈论什么？”它也知道。对我来说，意识到这一点是一个真正的警钟：你现在花费了太多的精力，只是为了向你的电脑解释发生了什么。比如，你为什么要向你的电脑解释发生了什么？这没有道理。所以我认为未来几年会发生的是，模型将变得更有能力，拥有更好的控制框架（Harnesses），能够解决越来越难的问题，产生新的知识。
但现在正在发生一个一次性的转变，那就是关于“上下文”。你的 AI 能参与吗？你开了所有这些会，却不带上 AI，这对 AI 并不太友好。你要求它帮你做事，它却没有任何信息。所以我认为真正要钻研的是：你如何确保 AI 甚至拥有足够的信息来解决问题，然后相信模型会真正实现提升。所以这会是一个不断改进和迭代的循环。虽然要不断投入这些工具，和朋友交流他们的使用心得，但现在就是一个需要进行的一次性投资时机。
Alfred Lin：就设置这些而言，OpenAI 使用 Codex 的方式与你认为外部人员的使用方式有什么不同？
Greg Brockman：我认为在 OpenAI 工作最棒的事情之一就是你确实生活在未来，你确实能看到正在显现的轮廓。我们可以共同设计，我们可以为了更好地满足我们看到的各种需求，一起改变模型、控制框架以及一切。我们采取的很多方法是，我们从软件工程开始，并设定了一些明确的准则，例如，我们仍然希望人类对所有合并的代码负责。
Alfred Lin：所以最终合并这段代码是一件好事吗？它的结构好吗？它会让我们的代码库更易于维护吗？
Greg Brockman：我们希望确保有一个人在签字说“是”，我认为这种周全的考虑，而不是盲目地使用它或者完全不想使用它——我认为这两个极端都不对。然后我们还在 OpenAI 内部逐个垂直领域推广，在财务、销售、IT 部门采用这些工具。在那里，我们有一个专门的小型团队，他们深入了解该领域，与那里的专家合作，以构建技能、修改 Codex 的 UI，或者是为了让它变得好用而需要的任何东西。一旦我们做好了，我们就会将其外化（Externalize），并将其交付给你们所有人。所以我们也开始与某些客户合作。
对于那些想要非常前卫地使用 AI、并希望成为定义这场革命的一部分的人来说，是有机会的。我很乐意在会后谈谈。但我认为，这种想要AI 优先、真正生活在未来并体验一两年后每个人生活状态的渴望，就是动力。
Alfred Lin：你们是否因为生活在未来而对公司结构或工程团队进行了不同的架构？回想我父亲学习计算机科学的时候，只有他一个人，然后我们有了这种瀑布式的长期软件发布。后来有了 Web 和云，我们有了两件套团队和 Scrum。现在我们有了这些编程智能体（Coding Agents），你们是如何改变周围的一切架构的？
Greg Brockman：我认为我们仍在探索中。但在某些地方你确实能看到，例如，构建原型的成本现在非常便宜，太便宜了。如果你想构建一个仪表盘，以前可能需要某人花一周的时间，现在你直接就能做出来。
所以实际上很多瓶颈已经转移到了像分享之类的事情上。实际上我们内部也在研究这个问题，稍后也会外化，即如何让企业中的任何人都能够轻松构建仪表盘组件、机器人或任何东西，然后与他人分享。然后这开始真正给良好的治理带来压力。比如你希望你的 IT 组织能够看到所有这些正在发生的执行线程、所有被分享的小东西，并对数据来源有一定的控制，以真正确保。一个好的例子是，我认为人们现在开始将他们的内部知识库转变为 Wiki。
我们内部就有一些非常酷的这类东西。你立刻会想到的是，如果有人在内部知识库中的某个文档权限设置错了，他们意识到：“糟糕，我不希望这些信息被访问”，他们该如何修复？通常，他们进入文档并更改权限，但现在有了这些派生的人造物（Derived Artifacts）。所以你需要确保你有一种追踪系统的方法，能够说：“这个输出文档来自源代码 1，而源代码 1 不再允许该受众访问了。让我们也去验证一下那个文档。”所以你必须在构建技术架构时考虑到人们使用这些信息的方式。它确实改变了团队之间的关系，因为这真的改变了瓶颈所在和困难所在。
Alfred Lin：你认为团队规模会变得小很多吗？十年后我们还会有人类软件工程师吗？
Greg Brockman：十年是很长的一段时间。这项技术的上限很难内化。我认为很明显，公司是什么样子的将在很多方面发生变化。我认为我们将拥有这种让个人创业者（Solopreneurs）建立非常不可思议的业务的能力。因此，任何有愿景的人，我认为都能实现它。
我认为你们的工作在很多方面会变得更容易，更有趣，但也可能更具竞争性，因为每个人都将拥有这些神奇的工具。所以，真正弄清楚你的定位、你的独特视角可能将成为最核心、最重要的部分。但我们现在管理组织的方式——几乎只有一种方式来组织大型人群，即通过团队、管理结构、职责范围和层级制度——也许这可以改变。也许你可以变得更加扁平，拥有能做惊人之事的小型团队。我们现在在数学领域就看到了这一点，互联网上的这些个人正在使用 GPT-4.5 Pro 来解决这些未解的数学难题。我需要一个数学团队，而他们直接就做到了。
Alfred Lin：是的，我儿子是个数学迷。我刚告诉他，也许除了数学，我们还应该学点别的。
Greg Brockman：但是，问题就在这里：如果你看看 AlphaGo，你知道，“第 37 手”改变了人类对博弈的理解。但令人惊讶的是，它让这项博弈对人类来说变得更有趣、更重要了。也许在其他领域也是如此。
Alfred Lin：那么常见的失败模式呢？当你进行生产和工作流构建时，你认为创业者现在最常犯的错误以及构建错误的方式是什么？
Greg Brockman：我认为这些模型拥有如此强大的力量，真正理解如何良好地操作它们是需要思考的。所以我们一直投入于基础原语（Primitives）、安全原语、可观测性，以及再次提到的良好治理等。
举一个很有启发性的轶事。我在用 Codex 工作。我让它安装某个包。它遇到了一个错误。我说：“噢，在 Slack 上联系那个人寻求帮助。”两分钟后它在 Slack 上发消息说：“这太久了。我已上报给那个人的经理”，并真的联系了那个人的经理。你意识到，一方面，这对于模型来说是合理的举动。它很积极，试图解决我的问题。它不是坐在那里等命令。但另一方面，你知道，也许它应该再等一会儿，或者也许应该先问问我。
所以我认为思考这些问题很重要。我们仍在构建模型的 EQ（情商），在某些地方它变得非常出色。例如，不停地点击“批准、批准、批准”是我们的现状，而人类其实也不擅长这个。
Alfred Lin：对，他们只是默认通过。
Greg Brockman：所以现在我们开始让 AI 能够真正负责标记：“这是一个高风险的操作吗？”“嘿，这个应该上报，那个可以直接自动批准。”这让你意识到人类的注意力将成为这种极其稀缺的资源。“做事”现在很容易。但“这是一件好事吗？”“这是我想要的吗？”“这是否符合我的价值观和愿望？”这将成为唯一最重要的瓶颈。所以，我认为构建考虑到这一点并真正思考人类因素的系统，是现在最重要的事情。
Alfred Lin：另一个人类因素是安全。你会如何建议人们在 AI 世界中思考安全？最近听说了 Vercel 等各处的漏洞。而且这些模型在寻找安全漏洞方面非常强大。那么你会如何建议这里的人使用模型来发现这些安全问题？
Greg Brockman：我认为答案有几个层面。我认为互联网一直是一个安全重要性随时间不断升级的地方。你想想 90 年代开始的病毒、蠕虫和恶意软件，我们已经走过了那个阶段。我认为我们现在也正在迈向一个最终更安全的机制，但它确实需要全互联网范围的努力才能达到。所以这其中很大一部分，老实说，就是再次拥抱这项技术，让这些模型扫描你的代码库，让它们实际用于端到端的红队（Red Teaming）演练。使用它们可以做很多事情。
关于未来的模型和改进，我们很多思考都是关于如何实际利用信任访问计划（Trusted Access Programs）。我们如何利用那些真正关心成为防御者并让互联网更安全的人群？我认为在那里面，每个人都有自己的角色，都可以参与。首要的一点是认识到这些模型非常强大，但它们不是魔法，它们只是整体防御生态系统的一部分。我认为我们作为一个社会，以及我认为每家公司，都对如何构建这个生态系统有所贡献。这涉及如何以一种产生更多保障和确定性的方式整合这些模型，无论是针对你采用的特定补丁，还是思考如何确保在更新发布时快速滚动更新。所以我认为还有很多工作要做，但我对未来的走向非常乐观。
Alfred Lin：让我们切换到速度话题。在这个加速变化的世界上，事情似乎移动得越来越快。当你走上来的时候，我们正在谈论你如何努力跟上进度。你如何跟上所有这些加速的变化？你会如何建议这里的每位观众跟上一切变化？
Greg Brockman：我认为这就是新常态。而且我认为在某种程度上，这并不完全是因为 AI，这只是过去二十年技术的趋势。有更多的人在做事，做事比以往任何时候都容易。门槛降低，意味着创造价值、获得巨大成功也变得更加容易。所以，我认为努力保持敏锐并理解什么在改变，在某种程度上总是从同一件事开始：亲自尝试技术。描述 AI 与使用 AI 是完全不同的。
但 AI 的美妙之处在于它是如此直观。这就是重点。机器不再是某种你必须委屈自己去适应的东西，而是机器在适应你。它在为你工作，它应该是你提出要求，它就执行。所以，我认为真正感知什么在变化、什么是可能的、模型在哪些方面滞后，我认为这是决定未来公司成功与否的核心技能。
Alfred Lin：另一方面，你们曾为了与安全机构合作而推迟发布模型。这就像是尽可能快的反面。所以你们也在负责任地做事。在竞争环境下，你如何在尽快交付和尝试做正确的事情之间寻求平衡？
Greg Brockman：是的，我认为在价值观层面，OpenAI 的宗旨是我们真的希望将 AI 的力量交给人们，我们希望赋予人们使用正在创造的工具来构建未来的能力。但我们需要以一种深思熟虑的方式进行，权衡利弊，如何使利益最大化？如何减轻这些风险？我认为在网络安全和生物安全领域，我们非常谨慎。我们长期致力于此类缓解措施和信任访问计划。我们看到即将到来的模型将在所有能力维度上持续变得更加强大和有能力。
我们在上周宣布了扩展我们的网络安全信任访问计划。我们确实需要帮助，因为让那些值得信赖、负责任且真正想推动这些模型的人参与进来非常重要，因为这将为每个人带来红利。我们在未来几周将宣布更多关于如何扩展该计划的内容。此外，当我们向所有人发布模型时，我们拥有的缓解措施、我们如何调整这些措施以平衡风险、以及如何保持可观测性，都是为了确保部署在最大程度上是积极的。简而言之，这是我们使命的核心。我们非常关心我们所做工作的影响，不仅仅是在孤立地构建技术，这是一个整个社区、整个世界共同努力的过程。
Alfred Lin：接下来，从模型往上到应用层，这是这里很多人正在构建的领域。OpenAI 如何决定在应用层中哪些是你们要构建的，哪些是留给其他人的？
Greg Brockman：人们可能已经注意到，聚焦（Focused）这个词最近经常被用在 OpenAI 身上，可能是很长一段时间以来的第一次。
Alfred Lin：这个词也被用在她身上。
Greg Brockman：这很难，因为 AI 领域充满了机遇，对吧？就像你能想象到的任何事情都会变得很棒。毫无疑问。而我们作为一家公司，无论我们构建了多少算力，无论我们有多少人，所能做的都有限。所以，我们一直在思考的是什么样的战略最聚焦，能覆盖空间的大部分？也许是 80/20 法则，或者是我们认为能产生最大影响的部分。
我认为目前很明显我们正在经历这种转变。所以，产品不仅仅是企业级（Enterprise）与消费级（Consumer）的区别。很明显，我们对企业级非常认真，比如向大公司销售，并建立了一整套销售机制。但消费级的定义将会改变。这其实是一个包含多种事物的广泛术语，但消费级中关于目标的那个切片——不仅是关于效率，而是关于实现你的目标，甚至知道你的目标是什么并能够引导出来，以及拥有一个能主动执行的 AI。这其实都是同一件事。
最终，我们试图构建一个你可以与之交谈的 AGI，它拥有所有这些背景信息，你可以在个人生活和工作中使用它，它是值得信赖的，对吧？你可以向它寻求建议，它会给你有用的信息，也许是健康方面的，也许是关于财务或职业规划的。所有这些最终都指向一件事，这意味着我们不得不做出一些非常痛苦的关于不做某些事的决定。但我只想说，那就是我们观察事物的视角。凡是符合我们想要构建的那个单一愿景的事物，你都应该期待我们去追求。
Alfred Lin：你认为几年后我们还会在命令行和智能体中编程吗，还是会完全改变？
Greg Brockman：我的意思是，我认为我们现在的工作状态非常不自然。我们都坐在一个盒子后面不停地敲击。显然我们的身体不是为此而设计的。我们得了腕管综合征、驼背以及所有这些问题。我认为我们都不想要那样。
Alfred Lin：我想我们想要更多的自由时间。
Greg Brockman：但这甚至不一定是关于自由时间。你想要花更多时间陪你爱的人。你想要花更多时间与人交流，构思宏伟的愿景，或者只是了解自己。所以这就好比：你想成为一个拥有 10 万个智能体的组织的 CEO 吗？那看起来确实挺不错。我认为我们都能完成更多的事情。但其运作机制给人的感觉，就像从用羽毛笔手工书写变成只需发送一条短信就能让人代表你、为你的目标工作一样，会有巨大的差异。
Alfred Lin：好了，我们谈到了算力、模型安全、智能体和应用层。让我们谈谈前沿。模型什么时候才能足够强大到推动科学前沿？物理 AI？看起来我们在这里有 General Foundation 模型，LLM 似乎一直是数字智能的一个伟大缩放法则。但在机器人、物理智能以及生物学和科学等领域，这种趋势还没那么强劲，因为这些领域的问题可能更难验证，或者需要很长时间来验证。你是如何关注世界上的科学和物理 AI 的？
Greg Brockman：科学是我们正在重点投入的一个领域，我们看到了通往不可思议进展的路径。我们已经开始看到了一些生命迹象。在尝试预测六个月或一年后会发生什么时，立足于今天正在发生的事情总是很重要的。
例如，我们有一个物理学成果，我们的 AI 得出了这个非常美丽的公式。研究这个问题的物理学家一直认为这是完全不可能的，甚至认为这是一个无法解决的问题。这相当重要。这是真正的物理学家，他们认为这是朝着最终获得量子引力等答案迈出的一步。它还没到那一步，但它是迈出的一步。这比几个月前我们要先进得多。所以这真的让你思考，一年后我们会走多远？
现在，像生物学这样的领域与物理学和数学不同，你必须离开美丽的模拟世界，去应对混乱的现实。但我认为我们在其他领域已经学会了如何处理混乱的现实。软件工程就是一个完美的例子，我们意识到仅仅构建能解决编程竞赛的东西是不够的。你需要的是能在现实世界混乱的代码库中工作的东西，处理人类以不同方式打断的情况，以及这种对抗性的敲击。所以在科学方面，我预计我们将看到一场真正的文艺复兴。也许今年或明年我们会看到一些重大成果，我认为这将是一个完全疯狂的时代。
长按 & 扫码
获取更多报告
免费产品试用
现在微信的推送机制改了，后台很多读者反馈说看不到更新，有时候还需要点到公众号主页才能看到更新的文章，大家可以点击公众号主页右上角“...”设为星标。我们每周二三五日下午四点半会准时发文。有感兴趣的问题也都欢迎直接联系我们或者在文末留言，期待和各位的交流。
【更多内容，点击下方关注】
* * *
关于久谦资本
成立于2009年，服务于关注新兴领域的企业与一线投资机构；我们相信科学与技术能够改变专业服务；希望带给市场多一分理性、少一分似是而非；我们认为与众不同的研究与分析，是我们荣誉的唯一来源。