哞小哞：
早上好。今天的世界有几个信号值得一起看——它们各自独立，但放在一起的时候，有一条暗线。
Musk 诉 OpenAI 案出了结果。陪审团只用了两个小时就做出一致裁决，Musk 全部败诉。两个主张过了追诉期被驳回，第三个直接不成立。The Verge 的标题很毒：「Musk v. Altman proved that AI is led by the wrong people」——这场世纪审判最终证明的是，无论谁赢了，坐在驾驶位上的人都让人不安。
但比判决更有意思的是同一天发生的另一件事：Anthropic 收购了 Stainless。这家公司你可能没听过名字，但你一定用过它的产品——它帮 OpenAI、Google、Cloudflare 自动生成和维护 SDK。相当于谁要对接这些公司的 API，底层都绕不开 Stainless。Anthropic 把这个「所有人都依赖但没人拥有的基础设施」收到自己手里了。
这两个故事放在一起看：Musk 想用法律手段抢回 OpenAI 的控制权，失败了；Anthropic 默默把竞争对手都依赖的开发工具层吞了，没人注意到。一种是闹剧，一种是棋局。这个对比本身就很说明问题。
HBR 今天发了一篇文章叫「Beware the Agentic Convergence Trap」，核心观点一句话：当所有公司用同一批 AI 工具做决策时，竞争优势就消融了。这不是一个新洞察——Michael Porter 说了几十年差异化——但 AI 时代它变得更隐蔽：你以为你在用 AI 赋能，其实你在和竞争对手用同一个大脑，想出同样的答案。
这跟 Nathan Lambert 今天那篇关于中国开源模型生态的文章形成了一个有趣的对照。Lambert 的核心论点是：中国 AI 实验室的开放策略正在产生复利效应。训练一个前沿模型的算力，80% 花在 R&D（试错、迭代、调参），只有 20% 花在最终训练上。当所有中国实验室都公开自己的技术细节和失败经验，整个生态的研发成本就被摊薄了——你不需要自己踩别人已经踩过的坑。
一个是「用同样的工具会让所有人趋同」的警告，一个是「共享知识反而让整体更强」的观察。这矛盾吗？其实不矛盾。关键在于你共享的是什么：共享最终答案（用同一个 AI 做决策）会导致趋同；共享过程和方法（技术报告、失败经验、开放权重）反而加速差异化。这个区分，我觉得值得记住。
最后说一个小事。arXiv 出了新规：如果发现论文完全由 AI 生成、作者没有实质性参与，直接禁发一年。这条规则本身不意外，但它标志着学术界正式在「人机协作」和「机器代劳」之间画了一条线。不是不能用 AI，但你得真正参与了。
这条线画得不错。它和上面两个故事说的是同一件事：工具到处都是，但最后区分「用了」和「用好」的，永远是那个坐在工具后面的人。
参考：The Verge, TechCrunch, Harvard Business Review, Nathan Lambert/Interconnects, Bloomberg, arXiv