送外卖年入15万，就业只需60分钟

周末了，随便聊聊。

微博上看到阑夕发帖，广州市总工会发了一份蓝宝书，主要统计了各个主流行业的劳动者薪酬概况，跑外卖、开滴滴、送快递，跑外卖是三项里平均薪酬最高的，年收入达到15万人民币，而开滴滴的年收入则是13.7万人民币，送快递是11.7万人民币。

阑夕认为从工作强度来看，送快递>跑外卖>开滴滴。

我认为其实不是，开滴滴的强度其实很大，开车看起来是坐着，劳动强度不大，但实际上开车非常累，因为交通环境复杂，需要的精神注意力集中，大脑的消耗的能量效率是很高的。这也是为什么大家开车容易打瞌睡的原因。

送快递，我反而感觉是相对最轻松的。

广东作为全国发达地区，这个收入肯定是高于全国水平的，但年收入十几万，确实是不用去工厂打螺丝了。

有一阵子，B站给我推外卖小哥的视频，清一色都是美食节目。

就是外卖小哥结束一天的劳作，然后回家和粉丝汇报一下今天的收益，然后开始做饭，做吃播。

我印象中，有时候遇到极限情况，会倒贴钱。如果当天运气特别好能做个五六百，但平均好像也就三四百的样子。

我想了想，如果有一天我破产了，必须要去做体力活，送外卖看来确实是比较好的选择。

学校里学的统筹规划和并行处理，缓冲优化，不知道对送外卖提升有多高。

2025年官方发布的灵活就业人口大概是2.8亿多。

总劳动人口是7.25亿。

40%左右的人口是灵活就业，这也挺灵活的。

灵活就业人口的统计方法也很灵活，只要劳动者在调查参考周内为取得报酬或经营收入工作了至少1小时，即被统计为就业人口（含灵活就业），而非失业人口。

也就是说，我一天跑1小时滴滴，我就不算失业。

政策确实是很前瞻的，所以青年失业率这么低是有数据支撑的。

去了趟上海浦西一个办公区。

写字楼的下面全是做餐饮的，我看到有一半是关着的，还有一部分在装修，营业的没有几家。

朋友和我说，这边的店开了又关，开了又关，开了又关。

能活下来的就是大米先生，老乡鸡，米村拌饭。

晚上在静安寺附近的商场吃饭，饭点时间，也就坐了1/3的人。

后来又和贵嫂去吃了一家打边炉，团劵下来人均100左右吧。

哦，对了。

上海火车站下来，就在附近，我和贵嫂去吃了一家猪脚饭。

人均不到嫂30元，分量很足，也很好吃。

贵嫂表示南京也开一家，生意一定很好。

我都想好了，开在新街口丰富路那边，生意一定火到爆炸。

这几天又被DeepSeek霸屏了。

周五的行情也是围绕着DeepSeek和晟腾来展开的。

现在主流的叙事都是国内的Token对比国外有绝对的价格优势。

其实这是一个幻觉。

从绝对价格来说，确实是便宜很多。

但是大家没有考虑效率问题。

同样的一个问题，Claude需要花1000Token，但国内的模型可能要数万Token。

这是生态的优势。

也可以简单理解成，NV的卡相对于菊花的卡可以有成倍的效率。

龙虾火了一阵子，现在基本没人聊了。

我也深度用了下龙虾，除了定时任务以外，难堪大用。

当然也有人用的非常6，但无一例外就是有工程师背景的。

龙虾本身需要大量的调教，普通人要把龙虾变成自己的助理，其难度差不多就是你给自己招了一个应届毕业生，还是不太好用的那种。

现在的情况就是，Claude实际上已经越过了龙虾，并且比龙虾更强。

国内Ai的问题，幻觉极多。当然这和中文语料以及审查自我阉割也有关系。

DeepSeek横空出世的时候，非常重要的一点就是成本极低，整的美国人都不自信了。

现在V4版本发布，依旧走的是成本极低这条路。

借用猫哥举的例子：

美国模型每次解决问题都是开全体大会，所有人（模块）都到场，虽然解决问题能力更强更全面，但开会的人力成本高。deepseek是挑选具体的人（模块）出来开小会，虽然有时候解决方案会稍微差点意思，但是极致的压低成本。

这个么有问题，在语言模型，甚至多模态模型使用起来差距并不是很大。

多模态模型（Multimodal Model）是指能够同时理解、处理和生成两种及以上不同类型数据（模态）的 AI 系统。这些模态通常包括文本、图像、音频、视频，甚至传感器信号或结构化数据。

核心逻辑在于跨模态对齐与统一表征——模型将来自不同通道的信息映射到同一语义空间，从而实现"看图说话"、"听音识意"或"文生视频"这类跨媒介任务

但是随着Ai的发展，现在已经进入了Coding和Agent阶段。

按照目前国内的情况，也就是搞搞龙虾这样的效果，能用，但是很难用。

美国现在确实有Ai替代职员，但生产效率提升的迹象。

咱这边有哪家企业说是因为引入了Ai，然后大规模裁员的吗？