Die erste Phase des KI-Zeitalters ist vorbei. Wann die zweite Phase beginnt, weiß niemand.
Ich habe kürzlich den viralen Artikel „The Model Generation“ gelesen und mich tief darin wiedergefunden. Da ich gerade meine eigenen Beobachtungen aus dem Silicon Valley aufschreibe, ist das der perfekte Anlass, um basierend auf dem, was ich hier sehe, eine Antwort aus Übersee auf diesen Text zu liefern.
- Blasen-Reichtum
„The Model Generation“ widmet viel Raum der Beschreibung der Einkommensunterschiede zwischen Kommilitonen, die verschiedene Wege eingeschlagen haben: zehnfache Unterschiede, hundertfache Unterschiede und sogar Leute, die über 100 Millionen Dollar verdienen. Diese Geschichten von immensem Reichtum spielen sich hauptsächlich im Silicon Valley ab, wo ich mich jetzt in Nordkalifornien befinde.
Tatsächlich kursieren hier jeden Tag unzählige Wohlstandsmythen: Ein 17-Jähriger sammelt Millionen ein, Bewertungen schießen um das Hundertfache in die Höhe, Unternehmen werden übernommen und ziehen vom Treppenhaus in die Villa um, frische Absolventen kaufen Luxusimmobilien … Die Liste ließe sich endlos fortsetzen. Obwohl die Menschen hier also generell wohlhabender sind als jene jenseits des Ozeans, ist die Angst genauso groß.
Wenn der Druck in China wie „Involution“ wirkt und alle zu flachen Papierfiguren zerquetscht, dann ist er hier eine gigantische Blase. Die Blase macht alle schwindelig, wie ein Drogenrausch, aber gleichzeitig verirrt man sich in Nebel oder Fata Morganas, was ständige Verlustangst auslöst. Ich glaube, keiner dieser beiden Zustände ist gesund.
Forscher der Harvard Business School haben über 4.000 Millionäre befragt. Sie fanden heraus, dass Menschen mit einem Nettovermögen zwischen 3 und 7,9 Millionen Dollar nicht wesentlich glücklicher waren als jene mit 1,5 bis 2,9 Millionen Dollar. Das Glück sprang erst oberhalb von 8 Millionen Dollar (oder 10 Millionen in einer anderen Stichprobe) spürbar nach oben – und selbst dann nur leicht.
Das bedeutet: Wenn du bereits ein Nettovermögen von 1 Million Dollar hast und dich entscheidest, härter zu arbeiten, um 3 bis 4 Millionen zu erreichen, wird sich dein Leben kaum verändern. Du hättest vielleicht immer noch ein Haus in der South Bay, würdest am Wochenende Hunde ausführen, gelegentlich französisch oder japanisch essen, nach San Francisco oder Half Moon Bay fahren oder nach Yellowstone fliegen. Darüber hinaus ändert sich nichts.
Nehmen wir Alex (Pseudonym), einen Big-Tech-Mitarbeiter. Er fühlte sich im Bereich von 1,5 bis 7 Millionen Dollar festgefahren und wollte einen qualitativen Sprung auf über 8 Millionen. Seine Lösung? Job kündigen und ein Unternehmen gründen. Dann begann die Angst. Gründen ist riskant; bevor sich alles stabilisiert, lebst du in endlosen Qualen: Investoren, Mitgründer und Nutzer überzeugen, Umsatz und schöne ARR-Zahlen vorweisen, dir Sorgen machen, dass deine Storyline von LLM-Fähigkeitsupdates überholt wird, und ständig in SF Marketing betreiben, um für Investoren sichtbar zu bleiben.
Oder Corgi, ein Versicherungs-Startup, das im Erdgeschoss seines SF-Hauptquartiers ein 24-Stunden-Café eröffnet hat. Als das Café beliebt wurde, starteten sie kostenlose Shuttlebusse rund um YC (den angesagtesten Inkubator), um Programmierer abzuholen, die über Nacht arbeiteten. Das brachte Traffic und spülte erhebliche Summen an Kapital ein.
Viel Geld hier ist also an Traffic gebunden. Sobald du am Traffic hängst, kommst du nie wieder los; du verbringst dein Leben damit, Höhen und Tiefen hinterherzujagen, und das ist schmerzhaft. Glück ist in San Francisco wirklich schwer zu finden. Wenn du dich gerne vergleichst, wirst du endlos in den Zahnrädern des Wettbewerbs mitlaufen.
2. Gleiches LLM, riesige Kluft
Beide haben in Stanford abgeschlossen. Jura-Studenten, die bei Biglaw (Top-US-Kanzleien) einsteigen, verdienen im ersten Jahr etwa 220.000 bis 230.000 Dollar. Aber chinesische Studenten kommen kaum noch bei Biglaw unter; nach einem Jahr Suche landen sie in kleinen Kanzleien mit ~100.000 Dollar, bei einem Stresslevel, das mit dem von Big-Tech-Ingenieuren vergleichbar ist. Gleichzeitig verdienen Senior-Programmierer bei Big Tech jährlich Hunderttausende bis über eine Million Dollar, Wissenschaftler in Research Labs mindestens 1 Million Dollar, während normale Programmierer über 200.000 Dollar bekommen.
Der absurdeste Teil: Bei beiden geht es um „LLM“. Wer an Large Language Models arbeitet, startet bei 1 Million Dollar. Wer einen Master of Laws (LL.M.) studiert, verdient 100.000 Dollar. Und ein LL.M. in Stanford kostet fast 1 Million RMB an Studiengebühren und Lebenshaltungskosten. Der ROI ist haarsträubend.
Die Einkommensungleichheit hier ist enorm, der Reichtum konzentriert sich in der Tech-Branche. Andere Industrien, besonders White-Collar-Jobs, verdienen kaum Geld. Natürlich kenne ich viele Freunde in Stanford, die nicht auf ihr eigenes Einkommen angewiesen sind und nur für die Erfahrung studieren, aber das ist zu verzerrt, um es hier zu diskutieren.
Zurück zur KI. KI hat tatsächlich viele Menschen über Nacht reich gemacht. Wenn du zum Beispiel Anfang letzten Jahres bei Anthropic eingestiegen bist, als die Bewertung bei 61,5 Milliarden Dollar lag, und das Unternehmen diese Woche mit einer Marktkapitalisierung von ~1,4 Billionen Dollar (potenziell 1,5 Billionen) an der Nasdaq gelistet wird, hat sich der Unternehmenswert innerhalb eines Jahres mehr als verzwanzigfacht. Wenn du gute Optionen ausgehandelt hast, warst du sofort reich.
Allerdings ist die Arbeit bei Anthropic oder OpenAI erschöpfend, und es gibt Berichte über eine schlechte Kultur: Interne Diskussionen drehen sich oft darum, dass „KI die Menschheit zerstören könnte“. Die sieben Mitgründer von Anthropic haben öffentlich zugesagt, 80 % ihres Vermögens zu spenden, und das Unternehmen hat ein Matching-Programm für Aktienspenden der Mitarbeiter. Obwohl freiwillig, nimmt Berichten zufolge die Hälfte der Belegschaft daran teil.
Darüber hinaus bringen der überschäumende Reichtum und die Blasen „Begleitdienste“ mit sich: Matchmaking-Events, Begleitservices usw. Du hast plötzlich das Gefühl, alle Türen der Welt stehen offen, gefüllt mit Hedonismus. Aber das stellt die menschliche Natur auf die Probe und ist einem langfristig stabilen, gesunden Leben nicht zuträglich.
3. Blasen-Kontakte
Zum Thema „wichtige Leute treffen“: In SF ist das unglaublich einfach. Ich habe Thariq (Schöpfer von Claude Code), Garry Tan (YC) und die Gründerin von Pika getroffen. Man kann ganz locker mit ihnen plaudern. Ein Gründer, der heute mit dir Kaffee trinkt, sammelt morgen vielleicht 10 Millionen Dollar ein. Bevor ich das selbst erlebt habe, war ich neidisch darauf; nach zwei Monaten hier habe ich gemerkt, dass es alltäglich und gar nicht so besonders ist.
Ich ermutige jeden, der dazu eine verzerrte Wahrnehmung hat, SF zu besuchen; du wirst merken, dass es halb so wild ist. Wie „The Model Generation“ sagte: Mit Investoren, Zuckerberg oder Lei Jun zu plaudern wirkt beeindruckend, aber letztlich beurteilen die Leute deine tatsächliche Arbeit und deine Projekte.
Deine besten Kontakte hier sind Peers in ähnlichen Phasen, wie andere Early-Stage-Gründer. Es gibt hier viele Hacker Houses. Ich habe ein taiwanesisches Hacker House besucht, das eine tolle Atmosphäre hatte: Alle diskutierten täglich über Produkte und testeten gegenseitig ihre Apps. Wenn jemand Geld eingesammelt hatte, wurde es im Haus verkündet, und alle gingen zusammen essen. Neue Ideen führten zu neuen Unternehmen. Dieses Ökosystem ist in SF stark und bringt viele erfolgreiche YC-Unternehmen und Gründer mit reinen Absichten hervor.
Ich glaube, ein Vorteil von SF ist, dass man Gründer mit reinen Motiven findet, während manche Gründer in China vielleicht nur auf schnelles Cash aus sind. Das Umfeld hier erlaubt Reinheit; in China starten manche rein, werden aber zynisch, wenn das Überleben schwierig wird.
Beim Geldeinsammeln gibt es hier Tricks. Nehmen wir zwei PhD-Absolventen, Edward und Ashley. Edward blieb im Ausland und lehrte weiter. Ashley ging zu Tesla, dann zu OpenAI. Nachdem sie ihr Unternehmen gegründet hatte, gaben ihr beide Giganten kleine Zuschüsse (10.000–50.000 Dollar). Für Investoren ist das vernachlässigbar, aber mit diesen Marken im Rücken sammelte sie mühelos Millionen in USD ein.
Ashley ist clever; sie zielt auf eine Übernahme ab, nicht auf einen IPO, denn IPOs sind ermüdend. Übernahmen ermöglichen Cash-outs mit dem 5- bis 10-Fachen. Wenn du schnelles Vermögenswachstum suchst, funktioniert Gründen hier gut, sofern du die richtige Nische findest: Daten für autonomes Fahren, World-Model-Daten, Robotik-Daten oder Plugins/Infrastruktur/Datenschnittstellen für Personal Agents.
4. Blasen-Emotionen
Ich glaube, die größte Chance im KI-Zeitalter sind emotionale Probleme. Der heutige materielle Überfluss übersteigt jede frühere Epoche bei Weitem: Im mittelalterlichen Europa gab es die Pest; vor wenigen Jahrzehnten konnten wir uns kein Fleisch leisten. Dennoch sind die Menschen nicht glücklicher.
Mary (Pseudonym), eine T2-Undergraduate aus China, Ivy-League-Masterabsolventin, Elitefrau, die zwischen Palo Alto und SF pendelt, fühlt sich elend. Sie denkt, alle um sie herum seien reicher und hätten mehr Glück. Sie bereut es, Finanzen statt KI gewählt zu haben. Aber KI-Medien zahlen nicht (TechCrunch auch nicht); man muss Forscher sein. Sie versuchte, sich mit Forschern zu verabreden, nur um festzustellen, dass diese Begleitservices nutzen. Es ist, als wolle man den „langen Gelehrtenmantel“ (intellektuelle Überheblichkeit) ablegen, nur um zu merken, dass die Gasse überfüllt und verzerrt ist.
Identitätsprobleme: H-1B-Visuminhaber haben nach dem Jobverlust eine 60-tägige Schonfrist. Das DHS schlug im September vor, diese abzuschaffen. Obwohl es noch nicht final ist, hängt es wie ein Damoklesschwert über allen. Wenn sie entlassen wird, muss sie vielleicht sofort gehen.
Doris (Pseudonym) kommt aus einer wohlhabenden Familie. Ihr Mann hat Big Tech verlassen, um ein profitables Unternehmen zu gründen. Sie ist bekannt und investiert massiv in die Kinder. Die Median-Hauspreise in Palo Alto liegen bei 3 bis 4 Millionen Dollar, oft für alte Häuser. Private Grundschulen kosten 40.000 bis 50.000 Dollar pro Jahr. Um sich an das Leben in der Heimat zu erinnern, shoppt sie im Stanford Shopping Center Luxusmarken. Irgendwann merkt sie, dass das Geld nur durch sie hindurchfließt; sie ist bloß eine vorübergehende Verwalterin. Die Kinder brauchen Reitstunden und Filmprojekte für ihre Ivy-League-Bewerbungen.
Joe (Pseudonym), ein Stanford-Student. Andere sehen ihn als brillant an: Top-Informatikstudent, Junior-Ingenieursgehalt von Hunderttausenden. Aber er ist voller Angst. Er sieht unzählige Startup-Events, hat aber keine Ideen. Er weiß nicht, wie man mit Storytelling Investoren anlockt. Er will einen Mitgründer, tut sich aber mit Marketing schwer; seine Twitter-Follower sind zweistellig, und Xiaohongshu-Posts werden gedrosselt. Jeder hat eigene Ideen; niemand will bei ihm einsteigen, weil sein Hintergrund in Stanford Standard ist. Er weiß nicht, was er bauen soll.
Er will keine Hausaufgaben machen (das erledigt die KI). Er versucht sich an Open-Source-Projekten, aber wenige interessieren sich dafür. Er findet SF-Investoren unverständlich. Er spürt, dass die Chancen direkt vor ihm liegen, aber er kann sie nicht greifen, gelähmt vom Lärm.
Folglich gibt es in SF spirituelle Praktiken im Überfluss. Viele Zen-Tempel existieren (chinesischer, japanischer, indischer Stil). Die Nachfrage nach innerem Frieden ist riesig, weil chaotische Wohlstandsiterationen die Menschen orientierungslos machen und sie in Tempeln Meditation suchen lässt.
5. Ende der KI-Phase eins
Erstens: Kognitiv sind China und das Silicon Valley nicht grundverschieden; China verfolgt SV sehr genau. Phase Eins hatte einen großen Prolog von Ende 2025 bis Mitte 2026: schnelle Modell-Iterationen, Claude Code, das die Agent-Ära einläutete, OpenClaw, das Spuren im Open Source hinterließ, Jensen Huangs X-Post im Juli, der den Brief „Open Weights & US AI Leadership“ unterzeichnete – all das stand für ein gewisses Sendungsbewusstsein. Das Ende war dramatisch: In der Wahlnacht im November forderte Sanders einen nationalen Baustopp für neue Rechenzentren; demokratische Abgeordnete folgten; eine Woche später wurde Huang „abgeschossen“. Es wirkte wie im Kino. Diese Phase ist vorbei.
Zu Startups: Hunderte wöchentliche Events in SF, 70 % davon reden über Agents. Davon fokussieren sich 70 % auf Arbeits-/Team-Szenarien. Es fehlt an Fantasie. Die restlichen 30 %, die Personal Agents bauen, automatisieren entweder Anrufe/Videos, integrieren IMs (was Big Tech längst getan hat) oder legen eine neue Oberfläche mit Anime-Avataren darüber. Worin unterscheidet sich das von Vorlesungen in Haidians AI Origin Community oder Shanghais Model Speed Space? Kaum.
Ein Paradoxon taucht auf: KI sollte den Konsum ankurbeln, wie es Dampf oder Elektrizität taten. Dampf steigerte die Stoff-/Kohleproduktion; Strom ermöglichte das Nachtleben; die Informationsrevolution ermöglichte globalen E-Commerce/Social Media.
Aber welche Bedürfnisse stimuliert KI heute? Sie hat nicht einmal 1 % der Nachfrage aus der Internet-Ära geweckt. Wer zahlt? Nur die Modellsentwickler. Warum Daten verkaufen? Um Investorengeld zu verdienen: Investoren geben Geld an die Modellbauer, die wiederum Daten kaufen. Das Kernproblem bleibt: Der Killer-App-Punkt wurde noch nicht gefunden. Vielleicht taucht er in Phase Zwei auf, aber niemand weiß wann. Vielleicht erfindet ihn irgendwo jemand. Es ist Schicksal.
Zwei Typen von KI-Verängstigten:
- Diejenigen, die KI nicht verstehen, aber Influencer sagen hören: „Lerne KI oder stirb.“
- Diejenigen im Zentrum des Universums, unter einer Blase, die hören, dass alle Millionen verdienen, und sich betrogen fühlen, weil sie „nur“ Hunderttausende verdienen – ängstlich darauf bedacht, mehr zu machen.
SF spaltet sich in zwei Gruppen: KI-Arbeiter und Nicht-KI-Arbeiter. Jura-/Business-Studenten nutzen oft noch Chatboxen und ignorieren Codex/Claude Code. Bei KI-Events sind sie unsichtbar. Gleiches Stanford, gleiche LLM-Abkürzung, riesige Kluft in der Vertrautheit zwischen der Jura- und der Informatik-Fakultät.
Die andere Gruppe ist extrem Hype/FOMO-getrieben. Auf jedem Event triffst du Leute, die besessen von den neuesten Trends, GitHub-Projekten und Open-Source-Stars sind.
Das sind Extreme. Die „außerhalb der Blase“ repräsentieren 95–99 % der Welt. Selbst in SF hat KI noch nicht jeden erreicht.
Warum? Funktionierende Agents werden von den meisten nicht gebraucht. Coding ist der Hauptanwendungsfall, daher die hohe Durchdringung bei Programmierern. Programmierer spüren die Auswirkungen stark: 2023 halluzinierten Modelle Code; 2025 schreiben sie ihn; 2026 reichen sie PRs ein und mergen sie. Andere Branchen spüren weniger. Das unterscheidet innerhalb von außerhalb der Blase. Innerhalb sind neben Programmierern auch Investoren, die sich fragen, warum Projekte so schnell übernommen werden.
Letztes Jahr habe ich dazu ermutigt, KI anzunehmen. Als Anti-Distillation-Skills viral gingen, fragten mich viele verängstigte Freunde. Ich gab zu, dass KI mich befreit hat; sie übernimmt Schnitt und Layout für mein Self-Media, was ich hasse. Sie ist mächtig.
Aber mein Glaube zerbrach, als ich sah, wie Dario und anderen Empathie fehlte und sie es genossen, Gott zu spielen. Wie „The Model Generation“ sagt: Sie glauben, ihre Arbeit diktiere die Zukunft.
Viele „Jiahao“ (arrogante Egoisten) in der KI. Historisch gesehen treiben Jiahaos den Fortschritt an. Musk ist ein Jiahao. Trump ist ein Jiahao des vergoldeten Zeitalters. Ihre Zuversicht steckt andere an. 📷
Wie auch immer, Jiahaos fehlt es an Empathie. Mit Empathie würden sie nicht zulassen, dass SF so hässlich wird und die Unterschicht ignoriert wird. 📷 Zelte auf den Straßen von SF.
Was gibt es über KI zu lernen? Du weißt nicht, was daraus wird. Dify 2024 zu lernen war nutzlos, als Claude Code kam. Mit OpenClaw Personal Agents 2026 wirst du deinen Computer nicht einmal mehr öffnen. Wenn du aus Angst lernst, hör auf. Warte darauf, dass Olympiaden-Medaillengewinner Roboter für dich bauen. Kopfarbeit wird industrialisiert/skaliert. In dieser „Genie-Nation in Rechenzentren“ erledigt ein globales Gehirn die gesamte geistige Arbeit. Was gibt es da zu lernen? Es sei denn, Videoproduktion ist wie bei mir ein Hobby und KI übernimmt die lästigen Aufgaben – das ist gut. Aber wenn du aus Angst lernst, ist es unnötig; je mehr du lernst, desto mehr Angst bekommst du.
6. Die Ära des aktiven mentalen Trainings
In Zeiten des Mangels verbrachten Menschen ihre Zeit damit, Essen zu finden, und mussten Übergewicht nicht fürchten. Heute verursacht Überfluss Fettleibigkeit, was bewusstes Training erfordert, um Kalorien zu verbrennen – das schafft Fitness-Nachfrage. Bei KI ist es ähnlich. Früher erforderte intellektueller Mangel, Bücher auszuleihen oder für Bildung zu reisen (wie in Song Lians Geschichte). Heute ist Intellekt im Überfluss vorhanden, jederzeit per Handy abrufbar, vorverdaut. Das führt zu geistiger Faulheit/Fettleibigkeit, starrem Denken durch mangelndes Training.
Um geistig fit zu bleiben, musst du deinen Verstand bewusst trainieren, wie beim Gang ins Fitnessstudio. Zukünftig könnten „mentale Fitnessstudios“ mit kognitiven Werkzeugen entstehen.
Ich denke, KI-Lern-Blogger wie Zhang Zhala und Karpathy sind geeignet, solche Tools zu entwerfen.
Ich kann noch nicht sagen, dass „KI die Welt besser macht“. Vielleicht tun das Phase Zwei/Drei. Phase Eins endete dramatisch. Alte Ordnungen zerfallen; neue haben sich noch nicht gebildet.
Vor Phase Zwei bleiben wahrscheinlich noch Jahre. Keine globalen heißen Kriege zu erwarten. Einfach leben. Körper und Geist trainieren, um physische/geistige Fettleibigkeit zu vermeiden.
Gute Methoden? Lies „The Model Generation“ und schreibe einen Essay, der Resonanz erzeugt. Oder mach Self-Media und studiere menschliche Trägheit/Aufmerksamkeit. Die menschliche Natur zu verstehen ist zeitlose Macht.
Oder gründe ein Unternehmen, beginnend mit den Endzielen. Denk nicht zuerst an KI; denk an echte menschliche Bedürfnisse. Ich habe interessante Unternehmer getroffen, die KI als Werkzeug nutzen, nicht um der KI willen. Zum Beispiel ein Matcha-Roboter-Shop in der Innenstadt von Palo Alto. Sie haben ihn nicht wegen der Robotik eröffnet; sie nutzten Roboter, um Kosten zu senken und Qualität zu stabilisieren. Eine Person betreibt den großen Laden. Ich habe einen Tag lang als Manager gearbeitet. Es löst Probleme: teure/unzuverlässige Arbeitskräfte, 12-Stunden-Schichten, die für Menschen hart, für Roboter aber okay sind, hygienisch.
Ein anderer macht Dachreparaturen und nutzt KI, um Foren/lokale Communities nach Leads zu scannen, automatisch Nachrichten zu senden/Kontakt aufzunehmen und Fälle zu verschicken. Dachreparaturen kosten über 10.000 Dollar, sehr lukrativ.
Emotionale Themen sind riesig. Warum sind Xu Fei/Li Na diesen Winter so beliebt? Reine Emotionen sind rar/schlecht geliefert. Moderne Menschen sind kalt. Echte Emotionen zu sehen, zieht Massen an.
Wenn meine Artikel emotionalen Mehrwert bieten, sind sie exzellent. Ich hoffe, gesunde Wege zu finden, um Emotionen zu beruhigen, ohne mich auf dubiose spirituelle Praktiken zu verlassen. Mein Self-Media ist vorerst der Kanal dafür.
Ich wünsche allen das Beste. Blasen platzen. Während sie platzen, könnte die Erkenntnis, dass wirtschaftliche Abschwünge natürlich sind und durch KI lediglich verzögert wurden, uns helfen, Lösungen zu finden, indem wir Japans Geschichte nach der Blase lesen.





