LIAG

@snowboat84 难得这么高效地出产长文章。👍 我最近在反思语言在信息传播中的局限性。长文章适合做历史存档，图像和视频更方便信息传播，长文章听比读更省力。

华人在美国究竟具有怎样的地位？各种自媒体里经常有两极分化的说法，有把美国说的一无是处的，到处都在枪战，毫无吃喝玩乐，所以必须回国；有把美国说成自由之地、应允之地，然后把自己的母国贬低的一无是处的。这些全部都是情绪化的评价，基本上没有太多价值。我之前写过一系列介绍美国的文章，现在开始介绍华人在美国的地位。 许多人可能知道19世纪美国对于华人实行的《排华法案》，禁止中国人进入美国。但是即便是在那种艰难的环境下，依旧有华人做成了富甲一方的商人，成为了美国的老钱家族。所谓的“老钱”（Old Money）指的是财富传过几代、已经从某个人的成就沉淀为一个家族位置的那种钱。除了洛克菲勒、杜邦、福特这样的白人老钱家族外，事实上华人面对着诸多困难，依旧在美国建立了自己的家族势力。 当然，华人在美国有许多焦虑性的问题。最常见的就是：华人的后代和异族通婚，华人血统被稀释，还算不算华人？华人按照美国白人的老钱家族模式走，是否可能？华人如何在第二代、第三代之后依旧保持华人的文化？ 这篇文章，就是从华人的老钱家族的角度出发，来讨论华人在美国的生活。通过这些家族，解剖麻雀，我们也试着回答上面提到的那些问题。 这是我百日百篇原创长文系列的第44篇。

@HougeSol 每天都看着人们用半桶水的信息在做推理，有时在绕了几圈之后也能找到正确解法。这很值得考察。我的工程师用三脚猫的技术折腾几天也能解决产线上炸机的问题。分析师不用考察纳微GAN技术的可行性也能知道它是不是被高估。你不一定需要完全的信息才能做判断，甚至某些关键信息都可以缺失。

猴哥 10 倍潜力标：从快充退潮到 AI 豪赌，纳微半导体市值 60 亿背后，是下一代电源霸主还是散户的绞肉机？ NVTS这家公司，先摆一个让人头皮发麻的数字：年收入4590万美元，市值60亿美元，P/S 131倍，功率半导体行业中枢是4到6倍，它是中枢的25倍以上，这可能是我分析过的所有功率芯片公司里估值最离谱的一只。 但为什么一年涨了10倍？因为它赌对了一个方向：AI数据中心太他妈费电了。 英伟达GB200一个机柜功耗120kW，这些电要从电网的高压交流转成GPU能用的低压直流，转换过程中每损耗1%的效率，整个数据中心就多烧几百万美元电费。 NVTS的GaN芯片能把转换效率推到97.5%，比传统硅方案高3到5个百分点，在一个百亿美元级别的数据中心里，这3到5个百分点就是真金白银。 跟Wolfspeed有什么区别？ 打法完全不同，Wolfspeed是重资产垂直整合，从衬底到器件全自己做，工厂造价几十亿美元，刚从破产里爬出来。 NVTS是Fabless轻资产，只设计芯片，制造外包给台积电和GlobalFoundries，不建工厂不养产线，就像一个只画图纸不盖楼的建筑师。 它最核心的产品叫GaNFast，全球第一颗把GaN功率FET和驱动控制保护电路全部集成在同一芯片上的东西。 竞争对手大多还在用分立方案，集成的好处是更小更快更高效更少外围元件，在英伟达GTC上展示的800V到6V电源板，20kW功率效率97.5%，样品已经交给了大部分电源供应商评估。 SiC方向也在做，GeneSiC高压碳化硅模块能到2.3kV和3.3kV，这个电压等级是Wolfspeed和ON Semi还没怎么碰的领域，用在固态变压器和电网基础设施上。 但问题是收入实在太少了。 一季度收入860万美元，同比跌了39%，GAAP净亏损3380万，亏损是收入的4倍，一个季度赚860万亏3380万，这画面说难听点就像你开了个奶茶店月入一万但房租水电人工加起来四万。 为什么收入在跌？ 因为它在主动砍掉低毛利的手机快充业务，转型做AI数据中心电源，老业务砍了新业务还没上量。 管理层说盈亏平衡需要季度收入到3500万到4000万，现在860万，差4倍，就算按现在每季16%的增速也要差不多两年才能到盈亏平衡线。 好消息是它很轻，现金2.21亿，零负债，按每季度烧1500万算能撑三年半，Fabless模式不用养工厂，死不了但也赚不到钱，处于一个"饿不死但吃不饱"的状态。 跟同行比是什么量级？ Infineon年研发50多亿美元，TI年研发40多亿，NVTS年研发3000万，差了一百多倍，就像你拿着一把水枪跟一群扛着火箭筒的人抢地盘，技术上你可能更灵活，但人家资源碾压你。 分析师怎么看？ 8位分析师共识目标价14.46美元，现在25.86美元，差了将近一倍，所有分析师的目标价都在当前价格下面，这是非常危险的信号。 过去一周涨了42%，一个月涨了130%，一年涨了994%，完全是叙事加动量在驱动，跟基本面严重脱节。 我说几个风险让你冷静以下的。 P/S 131倍不是"偏高"，是完全脱离地心引力，任何利空消息都可能引发30%到50%的暴跌， 收入还在萎缩，从8330万跌到4590万还在继续往下，距离盈亏平衡差4倍。 Infineon和TI如果决定在GaN方向all in，NVTS可能直接被边缘化。 Fabless依赖代工伙伴产能和良率都不在自己手里，过去已经有多次增发稀释历史未来大概率还会有，Beta 3.68是我分析过的票里最高的之一。 护城河4.5分，弹性满分10分，确定性2分，10倍概率4分。 功率半导体赛道排序：Infineon > ON Semi > TI > Wolfspeed > NVTS，排最后是因为收入太小估值太高竞争对手太强。 本质上就是在赌两件事： GaN能不能在AI数据中心电源领域替代硅基方案，以及NVTS能不能在巨头的碾压下活下来并长大。 两个都赌对了60亿可能变 500 亿以上，任何一个赌错了60亿可能回到 30 亿以下。 P/S 131倍意味着你在为2030年的收入付今天的价格，提醒一下各位，现在价格 30 美金，风险比较高，适合极小仓位纯赌方向的人，不适合任何重仓或者不能承受单日跌30%的人！ $NVTS $WOLF #GaN #SIC #AI数据中心电源 #猴哥10倍潜力标

@GadSaad How to cure them?

@latepostnews 硅谷满足条件的人大概率看不上这份薪资，不如改招聘为征稿，按字付费并帮作者立人设。

「晚点招聘丨招 AI 作者、驻硅谷科技作者」 晚点是谁？ 一家还在努力通过一手采访，报道重要问题的公司。成立于 2019 年，生日是 4 月 1 号。过去 7 年，我们记录了中国最重要的公司、人物与商业事件，但我们知道，这仅仅是开始。 晚点想成为什么？ 中国最好的商业媒体，也是关于这一轮技术革命最值得读的中文媒体之一。 不仅关注科技与 AI，也是充满善意的，关心人类与社会演进的媒体。我们想给用户提供怎样的内容？那种让读者在关掉无数窗口后，依然愿意停下来，想一想 “哦，事情原来是这样的” 的内容。 我们希望可以提供可靠的信息、知识与判断，帮助人们理解世界的复杂与变化；努力提出一些真问题，也让一些被忽视的声音被更多人听到。 以及，让当代中国和硅谷最好的科技人物访谈都发生在这儿。 晚点的价值主张是什么？ 专业；相信文字依然能承载人类的好奇心和理性。 我们想招募怎样的同事？ 这里没有公式化的报道，有新闻工作经验很好，但不是必需。我们希望招募对商业、科技、社会变迁有深刻理解的写作者；擅长讲述故事、擅长访谈，或是对数字和数据敏感，能拆解复杂的系统。 1. AI 报道作者 工作地点： 北京/上海/深圳 我们最看重的是： 你是不是真的对 AI 这件事有持续的好奇心，而不仅是把它当作一个热门赛道 Critical Thinking，可以分清事实和观点，能在 hype 与真实进展之间保持冷静 谦逊好学，能平等对待所有被访者——从研究员、创业者到一线工程师 加分项：理解大模型、Agent、芯片、Infra 中至少一个领域的技术脉络；有自己长期跟踪的人和公司。 2. 驻硅谷科技作者 工作地点： 旧金山湾区（常驻） 这是一个新的、也是我们认为越来越重要的位置。这一轮 AI 革命的核心节点很多在湾区——从 OpenAI、Anthropic、Google、Meta 到一批新生代 AI 公司，从 Sand Hill Road 到南湾的实验室。我们希望有一个人在那儿，真正进入那个圈子。 我们最看重的是： - 你足够了解 AI 和大模型圈子——知道谁在做什么、谁的判断值得听、谁在讲故事；不是把这一波只当成新闻热点来追，而是能看懂里面的人和事 - 英文能够进行深度访谈和写作，能在咖啡馆和研究员聊一小时还能挖出东西，也能读懂技术论文与财报 - 愿意长期在湾区工作和生活，已经在那边更好，但不强求 - Critical Thinking，对硅谷叙事保持距离感，不被 founder narrative 牵着走 - 能在中美两套语境之间自如切换，知道中文读者真正关心什么 我们不要求你已经做过作者，也不要求你有发表过的报道作品。我们更看重你对这个圈子的理解和判断力——你可以来自 VC、产品、工程、研究、产业分析等任何背景，只要你有足够的好奇心和讲述能力。 我们能提供的： - 一个相对独立的工作位置，不用做日更快讯，目标是月度的深度报道和重磅访谈 - 国内编辑部的协作支持，包括选题讨论、资料调研、产业链中国侧的信息补全 匹配湾区生活的薪资水平 关于工作方式： - 我们不太会说 “挺好的，就这样吧”。但我们也不会逼你一周写五篇稿子。相反，我们的要求是一个月一篇长报道——你有足够的时间去调查、去思考、去修改。编辑部的出发点是帮助每一个人把报道写得尽可能好。 我们可以提供什么： - 行业最有竞争力的薪资 - 绝佳的访谈资源，帮你一起约到这个时代最优秀、最有潜力或是最有争议的商业人物 - 一群可爱的风格各异的同事 “新闻是历史的草稿”。但我们还认为，记录不仅是为了防止遗忘，更是为了观察思维的演化过程。 世界不缺信息、不缺新闻，缺晚一点、好一点。 欢迎联系 latepost@latepost.com 并加入我们。

@meimei1935 他好像对钱有一点误解。钱可以是很正面的，既可以衡量为社会贡献出的价值，也可以让资源流向合理的地方。至少可以付抚养费担起起码的责任。

土拨鼠，辽宁人，今年33岁，他在上海长大，小学四年级去新西兰读书，在悉尼、纽约、巴黎、北京陆续读完2个本科和3个硕士，现在却在大理街头流浪…… 不同的认知，延伸出截然不同的人生。 学历再高、家庭再好、社会环境再优渥，都不是认知的决定性因素。 真正决定一个人认知高度的，往往是天生的基因。 其实，每个人都是他人认知里的另类。

@sakebu_cheese_ 不在乎这种无聊问题。 因为据说整个日本民族都源自中国秦朝的一次航海。

今日は初めて、中国のみんながたくさん集まってきてくれてとても嬉しかったです！🌍🍜🇨🇳 中国のみんなに、ずっと気になっていたことを聞きます。 海外や日本では「ラーメンは日本発祥の料理」🍜 と紹介されることがあります。 これに対して中国の人たちは怒っていますか？😭

我们也只需要离散的信息就能在有限的选项中做出选择。这就是为什么AI有可能被用来做那些需要高度确定性的事情。 而我们的学习、认知、做事也是如此，就像绳索穿过帆眼(索环grommet)拉动船帆，只要定位帆眼就能确定帆索的形状和帆布的位置。人界的工程精度够用就行。

世界的多参数组合类似模拟信号有无穷的可能性，但人界是离散的，个体是单独的，事件是确定的，无数条花园小径你只能处在其中一条。因此当无限可能的输入通过固定的模型转换之后，从模拟信号转化成了精度可用的离散但确定的信号，类似ADC，故而AI在一定范畴内可以做出确定的判断。

@uni_yoichiya なぜ、こんなに質の良い生き物を食べるのが心苦しいと感じるのだろうか？

見えますか？ あまりに新鮮なイカで、身が透明です！

具有不同人生阅历的人难以平行交流。阅历不只是见识，更是在见识过后留下的价值取向。有时回想起工作之初遇到的那些Senior，逐渐可以理解他们当时的那些做法了，比如上班炒股，工作躺平，比如为一个器件的用法写60页的报告，比如每年新学一门编程语言，比如用心带Junior，比如技术转市场或管理。

@cha23347151079 당신은 건강한 취미가 없는 것 같군요.

하 그냥 내 인생이 잘못된거같음… 졸업후 취업도 못하고 취준, 알바만 계속 하고 있는데 눈에 남는 성과가 없으니까 뭐가 되는지도 모르겠음. 이러니까 자존감 0되고 정신병자 될거같아서(이미 정병인) 몸이라도 움직이자면서 브랜드 카페 정직원으로 들어갔는데 잘한 선택인가 모르겠음…(일은재밋음) 그렇다고 무기력증때문에 하루종일 누워있기 싫고 앉아 있으면 계속 미래에 대한 걱정때문에 하룰라라 가고싶고.. 아무튼 모르겟음…

@LuBtc888 好处是不用看，不会按错键。 输入速度有可能更快。

10后的输入法已经发展到什么地步了？ 90年老登：9宫格 00后新登：26键 10后萌登：摩斯密码。。。 看不懂就对了，这就是时代的鸿沟。

@suanguaa 再想想。流浪汉哪有车？

美国那边有个奇怪的规定，我一直想不通，就是不准人在车里过夜。美国很偏僻的地方，允许1-7天车里过夜，洛杉矶、旧金山、西雅图、纽约等大城市，全城或核心区严禁车内过夜，发现罚款$250–$1000，严重拖车。 这个真想不通，车是我的私有财产，我在车里过夜碍着谁了？中国只要停车得当，就完全不管这个。也就是说，中国只管车的停放，美国连人都管。 后来找人一问，原来是两个原因: 一是美国车多便宜，只要允许车里过夜，流浪汉就都采用这种方式定居聚集，无法驱赶，在当地形成固定流浪汉区域，治安和毒品问题就来了。 二是一旦流浪汉聚集，当地房价就会暴跌，当地居民就出钱请警察驱赶在车里睡觉的人。所以在美国你在车里一睡着，警察就过来敲玻璃。 等于全社会把穷人往死里逼，叫你快点去斩杀线那报道。

@cnfinancewatch 还有，板子上的MLCC放多了以后，长连接线直接就削弱了MLCC小ESL的效果。 所以回头看，文中分析到的优势在更深一层的考量中直接被反驳了，信息收集的层次直接决定判断。那么我们做投资分析至少应该深入到哪个层次呢？

@cnfinancewatch 这个分析做到了一定深度，但没有到具体应用的层面。 MLCC是需要，但是需求量应该不会那么暴涨。一方面板子上没有那么多空间放，另一方面随着电源控制技术的提升可以用更少的MLCC就能满足动态要求。另外MLCC的利润应该很大吗？器件的利润要是这么大，大家都去做了，技术壁垒没有那么难搞定。

日本考察随记：AI革命中日本（之一） 走访日本，研究被动元件产业集群、深度分析村田、太阳诱电、TDK等头部企业后，最大的感受是：市场对本轮AI产业浪潮的认知，长期聚焦于GPU、HBM、光模块等高增长显性赛道，却严重低估了底层物理硬件的话语权博弈。很多人疑惑， AI革命由美国定义算法、 中国落地市场、 韩国主攻存储， 日本似乎缺席了前沿竞争， 但深入产业内核会发现，日本正牢牢卡住AI算力基础设施的“隐形咽喉”——高端MLCC。这也是我判断， 日本在本轮AI革命中依旧具备不可替代核心地位的关键原因。 过去很长一段时间，市场对MLCC的认知极其简单固化，将其归为手机、PC、消费电子的周期附属品，是跟随终端出货量波动的普通被动元件。终端景气则行业回暖，终端低迷则行业承压，这种消费电子周期逻辑，主导了市场对MLCC行业数十年的定价与认知。但AI服务器时代的到来，彻底颠覆了这一传统逻辑，而掌握高端MLCC核心技术与产能的日本企业，顺势站上了AI产业链的核心价值位。 AI产业的核心竞争，早已不局限于大模型、算力芯片、高速存储与光互联，真正制约高端算力稳定高效运行的，是一套极易被忽略的底层体系——服务器供电网络（PDN）。当下AI算力集群的核心痛点，早已不是单纯的算力密度不足，而是超高功耗场景下的供电稳定性问题。单颗AI芯片功耗突破1000W，核心工作电压不足1V，这意味着芯片周边需要承载数百至上千安培的瞬时突变电流，且算力负载会随计算任务启停极速跳变。 这种极端工况下，一旦供电网络响应速度不足，就会出现电压下陷（voltage droop），直接导致芯片降频、运算出错，甚至服务器宕机，彻底摧毁算力集群的稳定性。而高端MLCC的核心价值，就是作为芯片近端的局部电荷缓冲池，压低PDN阻抗，抑制高频噪声与电压波动，为GPU、ASIC等核心算力芯片筑牢供电安全底线。简单来说，没有高端MLCC的稳定加持，再顶级的GPU、HBM、光模块都无法发挥完整算力。 当前全球数据中心供电架构正迎来颠覆性迭代，进一步放大了高端MLCC的刚需属性。传统服务器通用的12V供电架构，早已无法适配AI机架的暴涨功耗，行业正全面向48V/54V架构升级，同时Google、Meta、微软主导OCP Diablo 400标准，英伟达主推800VDC AI工厂供电架构，高压直流供电成为行业确定性趋势。 这里存在一个关键的产业认知误区：高压供电仅解决远距离传输效率问题，无论远端电压提升至48V、400VDC还是800VDC，电流最终输送至AI芯片核心时，都必须降压至1V以内。远端高压、近端低压的架构特性，叠加超大瞬态电流、高频负载跳变的工况，让芯片近端的去耦、稳压、降噪需求达到前所未有的高度，而这一刚需，精准对应日系企业垄断的高端MLCC赛道。 本轮产业变革的核心特征，是MLCC需求的结构性分化，而非全行业周期复苏，这也是日本产业话语权持续强化的核心逻辑。当前全球MLCC市场呈现极致的冰火两重天：手机、PC等传统消费电子需求疲软，普通标准规格MLCC产能充足、竞争激烈、价格承压，不存在短缺行情；但适配AI服务器的高端专用MLCC，陷入持续性、刚性结构性短缺，供需缺口持续扩大。 之所以形成这种结构性差异，核心在于AI场景所需的MLCC，早已脱离普通消费级规格范畴，具备极高的技术、工艺、认证壁垒。AI服务器核心工况，要求MLCC必须同时满足小尺寸、高容量、低ESL（等效串联电感）、低高度、高耐压、耐高温、高可靠的严苛标准，且可适配die-side、land-side贴近芯片部署，参与嵌入式PDN设计。 其中低ESL性能是核心壁垒，也是日韩与国产厂商的核心差距。高频算力场景下，ESL参数直接决定电容的去耦能力，ESL过高会让电容在高频环境下失效，彻底丧失稳压降噪作用。村田、太阳诱电、TDK等日系龙头，凭借长期积累的材料、叠层、共烧工艺优势，实现了单层0.5μm介质薄膜、超1600层叠层的量产能力，对位精度可达±0.3μm，远超行业平均水平，可完美适配AI芯片的高频、大电流工况，这是普通MLCC产线无法复刻的核心优势。 更深层次来看，本轮高端MLCC短缺并非短期库存周期波动，而是技术、产能、认证三重壁垒构筑的长期供需错配，而这三重壁垒，基本由日本企业主导把控。 第一，需求端的增量逻辑彻底重构。本轮MLCC需求增长，并非来自服务器出货量的线性提升，而是单台AI服务器、单颗GPU、单个电源模块的MLCC用量与规格全面升级。算力功耗越高、架构越先进，近端高端MLCC的搭载数量与精度要求就越高，需求呈指数级增长。 第二，供给端产能无法快速释放。高端AI服务器MLCC无法通过普通产线简单改造量产，其小型化、高容量、低ESL、高耐压、高温可靠性的特性，涉及特种陶瓷粉体、电极浆料、精密叠层、低温共烧、高频测试等全套核心技术，量产良率把控难度极大。同时高端MLCC扩产周期长达18-24个月，核心生产设备交期1-2年，短期产能无法快速爬坡。且日系龙头经历多轮行业周期波动后，早已摒弃低端产能扩张策略，村田、太阳诱电、TDK持续收缩消费级标准品产能，将有限产能优先倾斜AI服务器、车载等高利润高端赛道，三星电机更是计划减产30%-35%标准品MLCC，进一步压缩低端供给、聚焦高端市场。目前村田在全球AI高端MLCC市场份额高达70%，形成近乎垄断的格局。 第三，客户认证壁垒构筑长期护城河。进入AI服务器核心供电网络的MLCC，并非简单的元器件采购替换，需要与主板设计、芯片封装、电源模块、散热系统、PDN仿真模型深度绑定验证，认证周期漫长、准入门槛极高。一旦通过头部算力厂商认证，即可形成长期稳定的独家或优先供货资格，新进入者难以快速替代。 行业普遍关注的硅电容替代逻辑，进一步印证了日系高端MLCC的不可替代性，二者并非替代关系，而是场景分工、协同赋能。硅电容优势集中在die-side极近区域，可适配超高频瞬态电流处理，但板级电路、电源模块、48V高低压接口、land-side中高频去耦等核心场景，仍然需要大量高端MLCC支撑。硅电容的技术迭代，本质是行业对芯片电源完整性的极致追求，进一步放大了高端电容的价值，而非颠覆MLCC的产业地位。 纵观整条AI产业链，利润与价值正在从前端算力、光互联，持续向底层物理硬件渗透。GPU、HBM解决算力输出与数据存储问题，而高端MLCC解决算力稳定运行的底层保障问题。随着AI机架功耗持续攀升，48V/54V仅为过渡架构，400VDC/800VDC高压架构将成为未来主流，但无论远端供电架构如何迭代，芯片核心低压、大电流、高瞬态、高热密度的核心工况不会改变，高端MLCC的刚需地位将长期稳固。 本次日本产业考察的核心感悟：AI革命的竞争，从来不是单一技术的竞争，而是全产业链底层能力的比拼。 美国掌控AI算法与算力芯片话语权，韩国主导高端存储，而日本凭借数十年的材料与工艺积累，垄断了AI算力稳定运行的核心底层元件——高端MLCC。 当下的MLCC，早已跳出消费电子的周期桎梏，正式成为AI基础设施供电网络的核心核心。低端MLCC周期疲软、高端MLCC持续紧缺的结构性行情，不会是短期现象。在AI算力持续升级、供电架构持续迭代的背景下，日本企业凭借高端MLCC构筑的产业壁垒，将成为其在全球AI革命中最核心、最隐形的竞争力，这也是解读本轮AI产业格局，必须看懂的日本价值。

@CraftOfMastery I'm thinking of the best way to refute this flaw statement.... maybe you just need to search the cases of animal suicidal and see the records.

I have never seen an animal commit suicide. I find it interesting that animals, especially apex predators, don't appear to conceptualize “hopelessness” the way humans do. Even at the brink of death, they fight, bite, claw, and persist without turning their suffering into despair.

@MianMaoKu 好奇，你看武侠小说和网络爽文也很慢吗？

我从小不喜欢读中文书，读的特慢，反而读英文一目十行，这次大江大海读的还是竖版繁体字，居然读的也不慢，没觉得特别难受，想到小时候读奶奶书架上的竖版繁体牛虻快把我难受死了。我才明白，可能我从小抵触的不是书的语言和形式，而是内容。

@snowboat84 带高中生做research的有Pioneer和Horizon，这两个是机构，和高校有合作，学不了。但是大部分summer camp都是day care水准的。在微信拉群对中学生做AI科普和创业培训的也有不少，看起来也很草台班子。另外还有CASPA youth club等。教育在这里是个很大的市场，只要质量过硬就一定有生意。

@snowboat84 我只有作为学生家长的切身体验哈。自家和身边的孩子从小学开始学中文，学国际象棋，数学竞赛培训，辩论，游泳，其它各种课外活动，到高中做科研，准备SAT，几乎所有的培训老师和机构都像草台班子。在湾区稍有名声的老师和教练都是爆满。比如，搜一下湾区数学竞赛蓝老师。

@snowboat84 不是一定要拉VC的吧。你做一个用AI算法学习物理的网站，然后就可以直接在湾区家长群中推广，直接收钱盈利。这里在线做竞赛补习的数学老师都可以做得很红火，带高中生做research收$6500，一个AI教育网站存活的机会还是很大的，先活下来然后再发展，创业的方式不是非得做平台拉VC一口吃个大的吧。

AI in Education太宏大叙事了，只能大V去到处讲，到处和人吵架，我们小门小户的，没办法做的。VC投资全面避开Education领域，都说Education没有办法有大的回报。纯靠bootstrap，彻底变成了行走相互的家教了。 Math Academy很不错的，我这里很多人也在用。不过它的founder本来是做quant的，又在uber做了很久，做到财富自由之后，开始做教育。好吧，我也可以试试看，但是不是现在。