121: PingCAP黄东旭的“内在世界源代码”：《黑镜》、程序之美和创作自由

摘要

• PingCAP 从 Day 1 就把自己设想成未来 AI 的存储底座，而不是从数据库客户和商业化倒推产品。 《疑犯追踪》中 AI 需要保存一切所见所想，触发了黄东旭对“无限 scale 的 system”的追求；落实到 TiKV，则是同一套代码从 3 台跑到 3 万台，数据像细胞一样分裂、迁移、自愈。他的核心工程判断是：“只能通过简单来战胜复杂性，你不能通过复杂去战胜复杂。”

• 十年后的商业现实是业务约七成在海外，PingCAP 也已从软件 license 转向云服务，但这条路直到 2022 年才真正走对。 早期把数据库部署到云上再按时长计费，成本结构根本不成立；2018 年后公司改为把云视作“水龙头”，重写纯 cloud-native 存储内核。国际化同样从“在中国做出海”改成区域本地化：各 region 自定策略，即便组织冗余，也省下更昂贵的共识成本。

• 黄东旭押注的数据范式变化，是数据的消费者从数据分析师变成大语言模型。 他的 Salesforce 项目不预制报表，而是把原始数据放进数据库，让模型即时生成数十条 SQL；过去需三五天往返的分析变成对话，市值约 2270 亿美元的 Salesforce 在这个设想里更像 data provider。PingCAP 更远的目标是为每个人免费提供 personal database，并成为所有 AI agent 的 shared memory。

• AI 当前更像优秀人才的放大器，而不是立刻裁掉 50% 员工的理由。 黄东旭估计，传统程序员约 80% 时间耗在 boring job，AI 已能接走其中 50%-60%，相当于释放约一半时间；但复杂系统仍要求人先选架构、搭代码骨架、评价结果，再让 Cursor“做完形填空”。他明确反对无经验者盲目 vibe coding：“绝对不行”，因为“first shot”一旦错，agent 会沿错误方向一路跑下去。

• 开源在 PingCAP 的逻辑里既是信仰，更是建立信任、争夺标准和进入头部客户的竞争策略。 新基础软件没有 Oracle 数十年的信用积累，“不开源就会死”；DeepSeek 能进入海外 data center、MCP 能形成网络效应，也都依赖开放生态。黄东旭的历史判断是“第一名往往闭源，第二波一定开源”，但 Android 与 iOS、Linux 与 Windows 未必必须分出唯一赢家。

• 黄东旭把大语言模型暂时视为“新的物种”，理由不是它已能自主进化，而是人类看不懂其形式因如何产生泛化能力。 一千行左右可以实现 Transformer，目标也只是 predicting next token，却像“造了一张桌子，桌面上莫名其妙涌现出了饭菜”；主持人的关键反驳是它目前仍依赖人类训练。双方保留的分歧是：高级智能应按任务结果评价，还是按自主学习、发现新规律的能力评价。

• 他对 AI 最深的回应不是继续加速，而是解除工作、房产和物品对自我的定义。 黄东旭卖掉房子住进房车，计划在 40 岁前学种菜、缝纫、木工和维修，答案是“为了做一个人”；同时转向冥想、老乐器、磁带、黑胶和亲手做饭。其最终建议极其具体：“养一盆花，做一道菜，然后去认真地了解你身边的人”，因为 AI 可以替你编码，却不能替你体验人生。

精读

1. 一部《疑犯追踪》先定义了 PingCAP 的终局

• 黄东旭把自己首先认作程序员，其次才是 PingCAP 联合创始人兼 CTO；他至今仍天天编码，并把音乐、艺术和“奇奇怪怪的东西”放在同一套创作兴趣里。

• 2015 年创业时，他和刘奇着迷于《疑犯追踪》：机器只给人类 agent 一个身份证号，不判断对方是加害者还是受害者；到第三季，第二个通用 AI 上线后立刻发现另一个“God”，战争转为两个 AI 借人类代理交锋。

• 他们由此想到，未来 AI 必须储存“所有看到的东西、想的东西”，而未来数据生产速度可能超过人的消化速度；只有泛化能力足够强的 AI，才可能真正利用 personal data。

• 这不是早期见投资人时常讲的故事，“不然人家说你这疯了吧”；对外更可执行的表达，是做一个可以无限 scale 的存储系统。

2. 卖掉房子，是一次主动删除人生的单点故障

• 年初加州大火逼近一位同事住了二三十年的房子，而且房子没有保险；黄东旭由此感到，如果一生被锚定在一个地址上，一场火就可能让人变成 homeless，“还挺可悲的”。

• 世界不确定性上升也强化了他的选择：卖掉房子、住进房车，把注意力从多余资产中抽离，测试“作为一个最简单的个体，我到底需要依赖什么东西”。

• 清理后，全部生活必需品只需一辆车和约 20 平方米的小仓库；真正留下的是电脑、床、枕头、乐器、唱片与收藏，决定丢弃的东西“没有任何留恋”。

• 他的“财务自由”不是资产数字，而是需求阈值：“一天其实只需要一张床，吃三顿饭，有个地方遮风避雨。”这种价值观很难靠劝说复制，认同的人往往早已走在相似道路上。

3. AI 释放出的时间，应该用来重新学习做人

• 黄东旭计划在 40 岁前掌握种菜、缝纫、木工、电器维修和摩托车维修。主持人问这是为哪种未来准备，他的回答不是末日生存，而是：“为了做一个人做准备。”

• 过去程序员约 80% 的时间在处理 boring job，真正有创造力的工作可能只有 20%；他估计 AI 已能接走 boring job 中的 50%-60%，让编码者突然多出约 50% 的时间。

• 这也改变了效率问题的答案：既然“写得再快也不比 AI 写得快”，空出来的时间不必继续堆更多代码，可以用来接触土地、工具、身体和真实生活。

4. 创始团队从第一天就按分布式系统设计

• PingCAP 的第一条组织原则是让创始人“组成一个分布式系统”，彼此互为冗余、消除单点故障；他们甚至会让某个人突然消失两周，以测试公司能否被其他节点接管。

• 第二条原则处理 consensus 失败：讨论无法达成一致时，由 CEO 作为 leader “made the call”，其他人无条件执行。冗余保证系统活着，明确决策权避免它因分叉而停摆。

• 黄东旭区分规则与实现：规则本身应自洽、正交、没有漏洞和重叠；实现一致性时则必须依靠三个副本之类的冗余。公司里的互为 backup，正是这一工程思维的组织版本。

5. 《黑镜》的迷人处，是简单规则长出复杂智能

• 《黑镜》第七季《Play Things》里的天才程序员创造了一个近似 sandbox 的虚拟世界：小智能体只依靠繁衍、生活等简单规则，就逐渐形成网络、社会和更高层智能，并反过来影响现实。

• 黄东旭最着迷的是“用 simplicity 来对抗这个世界的复杂性”：受限环境、少量规则和算力，可能产生设计者无法预见的结果，这与大语言模型和系统软件共享一条深层逻辑。

• 另一条吸引他的线索是个人英雄主义：一个 hacker 凭一个好 idea 独自造出系统，另一个人再用几十年维护它。大型物理工程不可能如此，但计算机史屡次被单个人向前推动。

6. Transformer 的代码很短，能力却不属于代码作者

• 大语言模型可扩展的重要原因，是目标极其简单：predicting next token。与传统 recipe 式软件不同，开发者不再能从输入、规则和源代码确定输出。

• 黄东旭的比喻是：人只想按结构“造一张桌子”，结果桌面上却莫名其妙出现饭菜。一个 Transformer 实现可能约一千行代码，但持续喂入数据后，它能获得远强于传统程序的泛化能力。

• 这动摇了“拥有源代码就拥有程序”的旧认知：人能理解网络如何构建，却解释不了上千亿参数为何形成这些能力，也无法像普通软件那样给定输入后写出 deterministic 测试。

7. 看不懂“形式因”，是他把模型视为新物种的理由

• 黄东旭借亚里士多德“四因”拆解事物：桌子的质料因是木头，形式因是设计图，使能因是木匠，目的因是放东西；其中最能定义本质的，是类似菜谱或设计图的形式因。

• 对大语言模型，人类知道怎样搭神经网络，却不能从连接矩阵理解其能力。“当我们完全不能理解这个形式因的时候，它就是一个新的物种”——这是他当前的判断，不是已被证明的结论。

• 主持人的反驳值得保留：生物在物种尺度上通过变异与自然选择持续进化，而现在的模型仍需要人训练，不能据此断言它已经能自主进化。黄东旭承认差别，但强调“我们不知道它能不能”。

8. 推理增强显示潜力未被挖尽，却不等于自主进化

• 黄东旭提到李飞飞的一项工作：以较弱 LM 为基础继续做强化学习，加入高质量数据、SFT、thinking process 或 chain of thought，模型能力还能上台阶，像提醒小朋友“多看两遍”数学题后突然答对。

• 这意味着原有模型的潜力没有被充分开发，但仍有人类施加刺激；主持人因此认为双方并不矛盾——争议不是能力会不会变，而是变化能否由模型自己持续发动。

• 他欣赏 Sakana AI 让多个小智能体在环境中学习、演进，并尽量减少人类干预的概念；只是截至谈话时，“还没有看到太多”足够强的实际成果，判断仍保留不确定性。

9. 元胞自动机证明，少量规则足以容纳一个完整世界

• 生命游戏定义了一个 n×n 的二维格子世界，也可以想象成无穷网格；每个格子只有生与死两种状态，并依邻居状态迭代。不同初始形状，能在漫长演化中产生完全不同的世界。

• 它已被证明具有通用计算能力：简单规则可以构造逻辑门，再构造计算机、操作系统，理论上继续运行软件乃至 ChatGPT。“理论上可以，我觉得就够了”，因为剩下只是工程问题。

• Minecraft 的红石提供了可见版本：玩家真的用基础逻辑元件造出计算机和屏幕。再向下追溯，Unix、Linux、API 与互联网的复杂生态，最终也不过建立在少量 CPU 指令之上。

10. 软件工程真正的敌人是失控的复杂性

• 黄东旭把软件工程师的本职概括为“对抗复杂性”：现实、业务规则和不确定需求都会超过单个人脑的处理范围，ERP 和数据库的门槛都来自这里。

• 他的结论很绝对：“你只能通过简单来战胜复杂性，你不能通过复杂去战胜复杂。”这里的简单不是表面简洁，而是像宪法一样划清边界，做到自洽、正交、没有漏洞。

• TiKV 最初便假设同一套代码要覆盖 3 台到 3 万台机器；面对网络抖动、磁盘故障和节点卡顿，系统不能为每种情况写一套人工修补流程，而必须在规则内自行恢复。

11. TiKV 被设计成会分裂、迁移和长出新腿的生命体

• TiKV 初始像一个受精卵，数据先进入覆盖某段范围的逻辑“细胞”；容量不足时，它从中间切开，由一变二、二变四、四变八，持续分裂。

• 一台机器装不下时，数据单元会“长一条腿”迁移到另一台机器，最终让数据在整个集群均匀分布。设计团队因此觉得自己不像在造数据库，更像在造能繁殖的生命体。

• 销售演示会在 100 台机器中随机拔网线：系统发现“这条腿断了”，便自动再长出一条，外层仍提供数据库接口。这套机制是 PingCAP 的核心。

• TiKV 理论上可以长成别的产品，“只是做数据库这件事情更赚钱”。DynamoDB 在哲学上相近；Oracle 的旧假设则是固定少量机器与硬件绑定，超大规模需求不存在或不服务。

12. Unix 式优雅的代价，是普通用户可能根本不会用

• 黄东旭把自己归入 Unix/Linux 一派：先规定一小块简单规则，让 ecosystem 在上面自由生长；Microsoft 则更倾向从底层到终端统一控制。

• 这一派的缺陷是“太 nerdy 了”：工程师造好发动机、轮子和零件，便让用户自己组车，但终端用户真正需要的可能只是打开微信就能使用。

• Plan 9 在他眼中是漂亮却可能没有什么人使用的典型——设计者认为规则足够优雅，普通人却觉得巨难用。因此 PingCAP 会刻意隐藏底层哲学，只给客户最终数据库接口。

• 他欣赏 Slack、Discord 和早期微信的克制：基础结构少而清楚，又为 integration 和生态留下空间。但“克制”只有被用户理解，才能从工程审美变成产品价值。

13. “什么是高级智能”暴露了两套哲学标准

• 黄东旭倾向以完成任务的结果评价智能：如果一个系统在具体任务上超过人类，它就是不同于人类的智能；但“更好”并非线性排名，人仍会在其他任务上更强。

• 主持人转述 Meta 田园栋的另一种定义：高级智能应能学习、编码和解码外部世界规律，并发现人类未知的新规律；田园栋据此怀疑，当前大语言模型路径未必能抵达高级智能，也未必真的在推理。

• 黄东旭的保留是，这套定义仍可能带有人类中心主义：“学习只是人类众多事情中的一个事情。”数学、科学和逻辑只是解释世界的工具，不应天然成为智能等级的全部标尺。

• 休谟式反问把分歧推到底层：过去一万次太阳从东方升起，也不能在纯哲学意义上证明明天必然如此；经验能形成高概率判断，却未必让人掌握绝对因果。

14. 面对不可解释的智能，他选择实用主义而非终极裁决

• 黄东旭的做法是先问模型现在能帮自己做什么：它是否让生活更好、能力更强，是否能在某个领域成为自己的老师，而不是先判定它有没有人类式意识。

• 人仍拥有交互中的主体性，却不能控制模型怎样“感受”或未来如何发展；若 AGI 最终把人类变成《黑客帝国》里的人肉电池，“那也是没办法的事儿”。

• 所以他当前更关心如何用好 AI，把释放出的约 50% 时间拿来“做个人”。这不是否认长期风险，而是拒绝用无法行动的宏大判断替代眼前选择。

15. 古典程序员相信，一个人也能把行业向前推

• 沃兹尼亚克给黄东旭的启发不是苹果规模，而是造物本身的乐趣：理想可以只是回小学当五年级计算机老师，和孩子一起做有意思的东西。“好玩是最重要的”也成为黄东旭长期的选择标准。

• John Carmack 的 Doom 则让中小学时期的他第一次从代码里看见艺术。在 386 等受限硬件上，极简而巧妙的算法把不可能流畅的画面跑起来，像看到“E=mc²”一样简洁漂亮。

• 没有老师解释这种震撼，反而让他更直接地形成审美。他后来笑称编码能力巅峰在高中：精力无限、没有老板和商业边界，可以像画家一样实现任何古怪想法。

16. John Cage 教他的不是无规则，而是另造一套规则

• 音乐家 John Cage 让黄东旭看到“偏不”的力量：放弃传统西方调式、受到禅宗影响，以无调性和实验音乐开出另一条路径；他同时还是蘑菇专家，这种跨界人格也令黄东旭着迷。

• 实验音乐并非瞎搞，它仍有曲谱；重要的是作品如何被构造，以及作者为什么这样构造。黄东旭因此认为，当代艺术的形式本身就包含故事。

• PingCAP 的数据库也带着这种“外行优势”：创始人和早期员工此前都没做过传统数据库，不知道行业已有多少条框，便按自己的底层判断设计系统。

• 他把这比作在燃油车发展一百年后直接造电动车。早期常听到的声音是“肯定做不出来”，做出来也没有那么多数据可存；十年后，部分离经叛道的选择反而成为正确方向。

17. 最早的 primitive 能活十年，因为团队先想清了牺牲什么

• 黄东旭最自豪的是，TiDB/TiKV 最初设计经历十年迭代仍然扎实稳定；关键不在数据库经验，而在早期花大量时间定义原子语义和少量不可破坏的规则。

• 他曾用一首诗概括 TiKV 的十条左右规则，那不是事后包装，而是长期推演后的“宪法”。只要后续功能不破坏这些 primitive，系统可以不断生长而不被搞死。

• 同样重要的是明确牺牲项：“当你不知道你的系统要牺牲掉什么，你其实没有特别想清楚。”好的架构不是同时满足一切，而是知道哪些东西不能换、哪些必须放弃。

18. PingCAP 前五年主要写代码，商业规模在后五年展开

• 2015 至 2020 年大体是产品建设期；中国第一个银行客户约在 2017 年出现，也赶上国产化契机。2017 年在美国设办公室时，TiDB 仍只是“刚刚能运行起来”，距离企业级服务很远。

• 国际化却从 Day 1 就是方向，因为基础数据库必须是全球产品；谈话时国内外业务约为“三七开”，七成在海外。

• 对是否“融资不顺”，黄东旭给出的解释是环境变化之外，公司也不需要融资；目前尚未盈利，但现金流和趋势使它“可以无限地活下去”。

19. 把软件搬上云，不等于云服务的成本结构已经成立

• PingCAP 很早便判断，单卖数据库 license 和专业服务在中美都不是特别赚钱的长期生意，必须从卖软件转成卖服务；但直到约 2022 年，cloud-native 路径才算真正走对。

• 第一版云服务只是把数据库部署到云上、按使用时长计费，结果需向云厂商支付过高资源成本。它像把整层楼装修成一个大房间只租给一人，不可能拥有酒店式的单位经济性。

• 2018 年的关键假设是：未来每家都有云这只“水龙头”，数据库无需自己打井、管理每台机器，只需调用买服务器、S3 式存储或其他云 API。

• 公司随后重写内核；其 personal data 引擎与开源 TiKV 已不是同一套底层，而是纯 cloud-native 存储。早期 Kubernetes ingress integration，则成为这条长期意图的证据。

20. 真正的全球化不是输出，而是在每个市场重新成为本地公司

• PingCAP 曾自称“在北京的硅谷公司”，但贸易战后逐渐放弃从中国向外输出的幻想。黄东旭的复盘是：“所谓全球化，其实是在不同地方的本地化。”

• 他甚至认为公司不该设置“出海团队”，因为这个名字已经预设屁股仍在中国。日本、东南亚/亚太、美国都应拥有自己的本地组织，由 region GM 承担 CEO 式责任，自定商业战略、资源和打法。

• 这种结构会制造人员和职能冗余，却可能更高效：跨地区拉通共识的沟通成本，常常超过共享资源省下的钱。公司 4 月 1 日开年，各 region 的策略也不必复制中国。

• 组织文化同样要让任何国籍的新员工觉得“no surprise”；中国式高上下文沟通默认对方知道背景，而 global company 必须把规则和信息表达得更清楚。

21. Databricks 证明了纯云模式，也暴露中国市场的基础条件差异

• 黄东旭认为 Databricks 从 Day 1 就想得足够坚决：不卖 Spark license，不因单个大客户拒绝云而改做私有化，而是直接成长为多云上的原生数据服务。

• 面对 AWS 自营 Spark 服务，Databricks 的优势并不神秘：当 AWS 团队只有二三十人、Databricks 已有五六百人时，后者能用更深投入控制 roadmap 并提供更好服务。

• 企业客户会理性测试 Tier One 方案，不会只因 AWS 品牌或广告就闭眼采购；官方技术控制力与服务效果，最终可能压过大厂渠道。

• 但这套模式在中国难复制：有预算的大客户尚未充分接受公有云，更偏好私有化部署，制约了纯云服务的商业模型与规模效应。

22. “最受尊敬”被放在赚钱之前，但商业耐久性没有被忽略

• PingCAP 想成为“全世界最受人尊敬的基础软件公司”；黄东旭承认目前甚至很难指出一个完全符合定义的前例，因为 To B 基础软件公司通常知名度低，也少把尊敬写进目标。

• 他用 Linux 说明“受尊敬”的含义：从 Linus 的角度看，他可能没赚到什么钱，但系统对整个 IT 行业产生了深远正面影响。衡量标准首先是产品创造了多大社会价值。

• 在愿景排序上，尊敬高于赚钱；他的商业逻辑是，若创造“十万亿”的社会价值，再从中赚“一千亿”很自然，并非以公益否定利润。

• 分布式数据库仍是他们愿意攀登的“珠穆朗玛峰”——不只是因为市场，而是它可能是古典程序员眼中最难、最值得造的系统之一。

23. AI 是人才杠杆，组织却会用 ego 抵抗它

• 黄东旭不会因 AI 到来就机械控制组织规模，更不会先问能否裁掉 50% 的人；他认为人仍有不可替代之处，AI 当前最大的价值是放大优秀人才。

• 公司持续做 AI 预研、投资和尝试，但员工日常任务未必能立即连接宏大方向，组织因此容易感到老板只是在反复讲趋势。

• 推动落地时，他经常得到“效果不行”的调研结论；其怀疑是，一些人带着人类 ego 挑刺，以证明自身仍有价值。最难的工作不是再讲一次工具，而是改变使用 AI 的 mindset。

24. Cursor 恢复了个人黑客的战斗力，也放大了错误方向

• 黄东旭的古典 hacker 观是“不对自己设限”：后端、前端、Windows、iOS、Web 或 JS 只是实现目标所需的知识，不应成为固定身份；AI 又显著提高了跨领域学习效率。

• 人的稀缺能力因此前移到发现问题、形成意图和敢于动手。AI 可以补大量细节，却无法仅凭“我要做一个微信”替用户发现完整路径，更不能替人评价架构选择。

• 在复杂系统或很新的 library 上，模型仍会失败，需要“老司机”掌方向。他通常先与 Cursor 反复讨论设计文档，把项目框架写好，再让它“做完形填空”。

• 这也是他不看好甩手掌柜式 agent 的原因：“first shot”如果错，后续会一直沿错误方向推进。vibe coding 只有在框架清楚、用户能评价输出时才安全。

25. 不懂编程的人只靠 vibe coding，可能失去形成判断力的机会

• 面对“零经验者能否直接开发”，黄东旭连续回答“绝对不行”。社交媒体上“三岁小孩做出游戏”的展示，并不能说明使用者能评价 AI 生成的东西。

• 对成长中的工程师，AI 可以加速学习，却不能替代基础训练；若始终只做 vibe coding 而不学习，职业发展会受到影响。

• Cursor 之所以让他“焕发编程第二春”，前提是近三十年经验已让他知道该问什么、接受什么、推翻什么。相同工具放到新手手中，并不会自动复制这种生产率。

26. DeepSeek 的底层优化，映照出中美年轻工程师训练路径的差异

• DeepSeek 开源的一批 AI infra 优化，被一些美国头部 AI 公司 infra manager 形容为“like magic”；黄东旭认为，“魔法感”本身说明对方不知道工程师为何要把效率抠到如此底层。

• 中国过去十到二十年的互联网扩张，让阿里、字节等公司长期面对大规模 system 问题，真实需求滋养出一代年轻而基本功扎实的系统工程师，DeepSeek 是一个样本。

• 美国不少学校已跳过 C 和指针，直接从 Python 或 Java 开始；老练的底层工程师仍在 Google 等大厂，但最新 startup 未必拥有同等密度。

• 因此黄东旭在美国更愿意招聘 manager 和 PM，利用当地对产品和组织的经验；但他也承认，中国要出现 Ilya 或 Musk 式从零到一人物，“现在可能还早”。

27. 数据库下一代用户可能不是开发者，而是大语言模型

• 黄东旭不会为 AI 把 PingCAP 全部重写，因为原有的简单性哲学仍有效；真正要改变的，是把用户从程序员、软件开发者换成 agent，重新问 AI 希望怎样访问数据。

• 做 AI memory layer 的第一原则，是少替模型作主。传统 ETL 和报表先把数据加工成人类想看的结构，他更倾向保留原始数据，再给模型一个灵活接口。

• 他的 weekend project 直接调用 Salesforce Open API，把 event 写进数据库；用户问上次何时见某客户、某位销售近三个月做了什么，模型便即时写 SQL，必要时连续生成数十条查询并归纳 insight。

• 过去提出报表需求后等三天，发现不对再等三至五天；现在分析变成 back and forth 对话。Salesforce 仍可重要，但角色可能收缩为高质量 data provider，而非强迫用户操作复杂界面。

28. 每个人的免费 personal database，是 PingCAP 对 Agent 时代的远期下注

• 黄东旭设想为全世界每个人免费提供 personal database，保存一生的数据；他自己的 email、飞书、微信等记录已进入云端数据库，只是产品目前仍“太工程师了”。

• 他还做过一个树莓派式小设备，挂在身边每五秒拍一张照片，让多模态模型总结画面并按格式写入数据库，最终形成按时间排列的个人 feed。

• 免费并非没有成本，而是利用冷热分布：约 90% 的个人数据长期是冷的，真正频繁访问的可能只是最近 200 条。若系统能调度闲置 CPU、磁盘与冷热层，整体成本可以压得很低。

• PingCAP 不准备垂直整合所有应用；黄东旭更想与 memory layer 伙伴合作，免费提供 database，帮助对方成为所有 AI agent 的 shared memory。它可能是最大产品方向，却与今年甚至未来三年收入无关。

29. 开源既创造信任，也决定谁有机会制定新生态的标准

• PingCAP 在 2015 年选择开源，既因为创始人受益于开源社区，也因为他们判断新数据库若不开源，商业上“不能成立”。基础软件太关键，新进入者必须先给全球客户一个可验证的信任基础。

• DeepSeek 若闭源，很难让海外客户自行部署；如今 101 号公路旁已出现“Running DeepSeek in your data center”式广告。国内更显眼的变化却是一体机生意：插电弹出对话框也算部署，但应用场景与生态常未想清楚。

• 黄东旭观察到的循环是：新生态第一名常以闭源抢先，第二波则用开源民主化；Android 与 iOS、Linux 与 Windows 最终可能各有市场，“为什么一定要赢呢？”

• 模型本身也许只是“台风眼”：GPT-4、o1、o3、GPT-4.1 与 DeepSeek R1 等 Tier 1 模型会持续进步，开源和闭源的差距也会缩小；agent framework 和 engineering ecosystem 更难长期封闭。MCP 未必最优雅，却可能凭开放和网络效应形成标准；领先三个月但不开放，“so what”，最终只能兼容别人的标准。

30. 技术加速越快，“何以为人”就越从抽象问题变成日常选择

• 黄东旭借《神的九十亿个名字》表达担忧：喇嘛原本需几万年手抄神名，计算机却把文明强行快进到结局，最后星星逐一熄灭。AI 的风险也许不是能力本身，而是人类心智尚未 ready 就完成了“超频”。

• AlphaZero 已说明封闭任务上的断裂：它不仅不可战胜，人类甚至无法理解某一步为何成立。若每种工作都变成围棋，人会经历巨大存在主义危机，尤其是那些“把自己活成机器，并以此为荣”的人。

• 黄东旭正用体验替代身份：房子、车、物品和程序都不能定义他；AI 可以写 TiDB，却不能替他感受旅程。他开始冥想，回到六七十年代乐器、磁带、黑胶和意识流创作，并选择《基地》与 Pink Floyd 的《The Dark Side of the Moon》作为人类文明遗物。

• 这套选择可追溯到童年：父母收走游戏卡带，只留下 BASIC 解释器，他被迫自己写游戏，最终发现“创造比消费更有意思”；十三四岁时，开源软件与摇滚又共同成为反抗控制的语言。

• 最后的落点不是理解更多模型原理，而是恢复具体生活：补一件衣服、种一块地、亲手做饭，看喜欢的人吃下自己的作品。“养一盆花，做一道菜，然后去认真地了解你身边的人”——机器能提高结果效率，过程仍只能由人亲自经历。