< h 2 > 工作场景钩子 </ h 2 >< p > 上周三晚上十一点,我正准备给客户发方案,飞书突然弹维护通知,文档打不开。那一刻我才发现 —— 我所有客户资料、项目记录、财务表,全住在别人的服务器上。</ p >< h 2 > 发生了什么 + 谁已经在跑 </ h 2 >< p >M itch ell Hash imoto , Hash i Corp 联合创始人(这家公司后来以数十亿美金被收购),上周公开宣布带着他的新项目 Ghost ty 离开 GitHub ,原话是「 GitHub 已经不再是适合认真工作的地方」。原因:通知淹没在噪音里、 Issue 被垃圾填满、平台重心偏移。一个技术实力顶天的人,选择走。如果你把所有东西压在一个平台上 —— 不管是代码托管、笔记工具还是社交平台 —— 规则变了,你就没话语权。我也卡过:去年我公众号被限流两周,阅读量掉了 80 %,那两周我什么收入都没有。</ p >< h 2 > 你今天的复刻成本 </ h 2 >< p > 钱: 0 元。时间: 2 小时搞定第一次全量导出。技术门槛:会用电脑自带的文件夹就行,不需要写代码。第一步:打开你现在最依赖的那个平台,找到「设置」里的「导出数据」或「下载我的信息」按钮,点下去。微信可以在「设置 → 通用 → 聊天记录迁移」;飞书在「设置 → 数据导出」; Not ion 在「 Settings → Export all content 」;小红书暂时没有一键导出,得手动截图保存关键数据。这工具不是所有人都需要,如果你现在内容不多,不急着搞也没事。但至少知道出口在哪。</ p >< h 2 > 分人群建议 </ h 2 >< p > 如果你刚起步,我会建议先把所有内容在本地硬盘存一份副本,手机备忘录也行,别只在云端。如果你有 1 - 2 个客户,我会建议花 50 块买个自己的域名,搭个最简个人站(用 Carr d 或 Not ion 指向域名都行),让客户找得到你,不依赖任何平台。如果你在扩规模,我会建议核心数据全部自持 —— 客户信息用本地可导出的 CRM ,内容同时发布到至少两个渠道,合同和财务文件存本地加密备份。别等平台变脸才想起自己什么都没留。</ p >
platform -risksol op rene urdata -back upin dependent -business··2 min read·chatopc.com·via www.theregister.com·
你的全部家当压在别人平台上 — 连十亿创始人都在跑路了
相关推荐
最新文章
RTX 3090NVIDIA
一块灰尘让 RTX 3090 反复掉线,本地算力热潮先卡在维护基本功
一位用户为二手 RTX 3090 主机折腾多轮驱动和功耗设置后,最终发现只是 PCIe 延长转接线积灰导致掉卡。我们注意到,这不是“修电脑趣闻”,而是本地部署热起来后,一个更现实的问题:硬件稳定性开始比模型参数更影响使用体验。
6月5日·www.reddit.com
Qwen3.6cyankiwi
4 比特量化把 35B 模型压到 23GB 左右,本地部署门槛还在继续下降
Qwen3.6 的一组新量化测试显示,27B 和 35B 级模型可以在约 19GB 到 23GB 权重体积下,尽量接近 BF16(16 位浮点基线)的输出表现。这值得关心,因为大模型竞争正在从“谁更强”转向“谁更容易被企业真正跑起来”。
6月4日·www.reddit.com
verizoncustomer-service
Verizon 公开重估客服成本
Verizon CEO 公开表示 AI 可替代“大比例”客服岗位,这不是单一企业裁员口径,而是大规模服务业开始把 LLM 从实验预算切到 core opex。真正被重估的不是客服人数,而是每次客户交互的 token 成本、升级路径与人机协同边界。
6月4日·www.bloomberg.com
broadcomai-chip
博通跌的不是15%,是预期
博通盘前跌超15%不是因为 AI 芯片生意差,而是供给侧叙事第一次被公开 guidance 约束:当市场把 AI infra 当作无限需求代理,低于预期本身就会重定价容量、客户集中度与估值倍数。
6月4日·36kr.com
EndavaOpenAI
Endava 把软件交付改成 AI 代理协作流,外包行业开始从拼人力转向拼流程
Endava 正把 ChatGPT Enterprise、Codex 和 AI 代理嵌入软件交付流程。值得关心的不只是提效,而是软件外包行业的竞争逻辑开始变化:过去比的是人天和成本,现在更可能比谁能把需求、开发、测试和知识沉淀做成可复制流程。
6月4日·openai.com
broadcomopenai
博通给AI算力踩了刹车
6月3日博通把AI芯片故事从“无限上行”拉回到“有节奏扩容”:Q3 AI 芯片销售指引160亿美元低于预期,但同时给出2026财年560亿美元与2027年1.3GW部署目标。问题不在短期 miss,而在 hyperscaler 与 model lab 的资本开支开始被电力、交付周期与客户集中度重新定
6月4日·36kr.com