这一期可能就是说我要讲那个，就说中转站的生意，中转站还有那个注册机生意， 这两篇的话是相当于是 AI 的黑灰产。先讲那个中转站吧，中转站的话一般来说是怎么样的？就是说因为中国人是没有办法直接去使用 CodeX 或者说 claude 的， 所以说人们一般来说会通过各种方式嘛，然后中转站的话就是给你搞一堆号池， 就是说他给你搞这个账号，然后你去直接花钱买他的号，直接用他的 API 就可以了。 然后就是说你如果说用了他的账号的话， 他就是说一般来说现在是用那个sub API 或者说那个newAPI 的方式去做这个事情。中转站的注水问题？这两种方式的话会存在一个问题，就是说他会搭建出一个那个独立的 A...

上周组里招人，我面了六个候选人，回来跟同事吃饭的时候聊起一个让我挺感慨的现象。前三个候选人，算法题写得都不错。第一道二分查找，五分钟之内给出解法，边界条件也处理得干净。第二道动态规划，状态转移方程写对了，空间复杂度也优化了一版。我翻他们的简历，力扣刷题量都在300以上。后三个呢，就有点参差不齐了。有的边界条件没处理好，有的直接说这道题没刷过能不能换个思路讲讲。其中有一个女生，我印象特别深——她拿到题之后没有马上写，而是先问我：“面试官，我能先跟你确认一下我对题目的理解吗？”然后她把自己的思路讲了一遍，虽然最后代码写得不是最优解，但整个沟通过程非常顺畅。这个女生的代码不是最优的，但当我问她“如果这里是线上环境，你会怎么设计’的时候，她给我讲了一套完整的方案——异常怎么处理、日志怎么打、怎么平滑发布。她对这是之前在实习的时候踩过的坑。”我在想LeetCode到底在筛选什么？我自己的经历可能有点代表性。我当年校招的时候，也是刷了三百多道题才敢去面试。那时候大家都刷，你不刷就过不了笔试关。后来工作了，前三年基本没再打开过力扣。真正干活的时候，没人让你写反转链表，也没人让你手撕红黑树。更多的是：这个接口为什么慢了、那个服务为什么OOM了、线上数据对不上了得排查一下。所以后来我当面试官，慢慢调整了自己的评判标准。算法题我还会出，但目的变了。我出算法题，不是想看你能不能背出最优解。而是想看你拿到一个陌生问题的时候，是怎么思考的。你会先理清题意吗？你会主动问边界条件吗？你想不出来的时候会怎么办？你写出来的代码，变量命名乱不乱、结构清不清楚？这些才是工作中真正用得到的能力。LeetCode是一个工具，不是目的。它帮你熟悉数据结构和常见算法思路，这没问题。但如果你刷了三百道题，却说不清楚自己的项目解决了什么问题、遇到了什么困难、你是怎么解决的，那这三百道题可能真的白刷了。所以还要不要刷LeetCode？要刷，但别只刷题。刷题的时候，多问自己几个为什么：为什么用这个数据结构？为什么这个解法比那个好？如果换个条件，解法还成立吗？把刷题当成锻炼思维的方式，而不是背答案的任务。毕竟面试官想看到的，从来不是一台背题机器，而是一个能解决问题的人。

4月底，科大讯飞交出了一份颇具纵深感的年报。尽管271亿元的营收和接近50%的净利润增幅在当下环境中算得上稳健，但“纵深感”并不来自业绩，而是因为这份年报里藏着一组微妙的对应关系：强劲的研发投入表面上流向了大模型在国产算力上的攻坚，而在更深层的布局中，讯飞还将触角深入到一个经常被认为还很遥远的赛道——量子计算，并在4月底，与孵化自清华大学的原子量子计算团队两仪万象合资设立量智开物。当下大模型行业正在围绕“Token经济”大展手脚，算力是最重要的门槛。而从长期来看，目前行业算力增长的方式，恐怕很难匹配AI时代的需求膨胀。沿着当前的经典计算框架继续跑下去，天花板究竟在哪里？量智开物，就是讯飞为这个...