大模型的推理算力越来越便宜，一个更实际的问题摆在了个人面前：这些算力能不能直接换成收入？不用一直盯着屏幕，让模型自己跑起来、持续产出能卖的东西。
这位嘉宾现场演示了一键启动预配置好的本地推理环境：点一下开始，一两次点击就能跑起来，完全不用配置。他的 YouTube 频道每月被动收入约 500 美元，Hugging Face 上的模型每月有几十万下载量；而做一份别人花几个星期、年薪 15 万美元才能完成的仪表盘，他现在一台笔记本就能搞定。当验证答案几乎不花时间、寻找答案却需要无限耐心时，机器比人更适合干这件事。
这场对话来自 0xSero。他谈到用网络安全漏洞赏金赚钱、为什么普通工作不需要最强模型、以及建好系统之后该去见什么人。他的主要观点包括：
他的目标是靠手头的推理算力养活自己，不用一直盯屏幕。 他觉得现在到了能做到的节点，只是很多基础设施还得建起来，机会也得先被找出来。这套东西已经预配置好，带了 26 万 token 以上的键值缓存，一两次点击就能跑起来，完全不用配置。
非多项式难问题正是大模型的强项。 算出答案要花很长时间，但验证一个答案对不对几乎是瞬间的事——破解加密这类活儿人就干不好，因为我们会累会烦。只要给模型定个目标丢进循环，它能一直跑下去，还能给自己攒数据集，比如已测过 500 个文件都没问题。
社交媒体影响力是买不到的东西。 老板可以直接把当初发给初级开发者的需求扔给模型，干得大概率比人还好，所以你的本事必须是一整套组合拳。赞助别人帮你背书次数有限，但自己有品牌、持续发高质量内容，关注就会像滚雪球一样随时间累积。
普通工作根本不需要最强模型。 大多数人干的活儿很简单：回邮件、把工单填进 Linear 或 Jira、看看这个月有多少下载量。凡是重复性的、agent 能干的、数字化的活儿都是机会，你能帮做生意的人省一大笔钱，自己也能靠帮他们省钱赚到钱。
一份年薪 15 万美元的活儿，现在一台笔记本就能干完。 他认识的公司里，有人花几个星期才做出一个展示公司状况的仪表盘，一年开约 15 万美元工资。他说这不是要羞辱那位朋友，这就是现在的现实：效率低、竞争又激烈，根本活不下去。
本地部署需要一个安全过滤器。 跑 OpenCode 的那台服务器最好装一个分类器，盯着所有进来的输入，把可能是安全攻击或带黑客性质的请求拦下来，而且最好用本地的。
核心思路是把智能对准能为别人创造价值的事。 任何爬山式的任务都适合：他的 Mac Mini 现在跑某模型每秒 40 个 token，能不能跑到每秒 42 个？设成永不结束的循环，租云上 GPU 让 Qwen3.8 Next Flash 或 Qwen3.8 27B 在上面干活，除了第一条 prompt 后面根本不用喂信息，它就一直在持续赚钱。
搞好关系比用什么模型重要多了。 系统建好、能自动化的都自动化之后，你得去卖、跟人搞好关系，你必须有人脉。光软件开发者就有五千万人在跟你抢饭碗，而他们大多愿意接受你要价的三分之一甚至五分之一。省下来的时间应该投到参加活动、找客户上。
键跑模型：把推理算力变成收入
嘉宾：我特别想找到越来越多的办法，让自己不用一直盯着屏幕也能赚钱。理想状态就是：我用好手头这些推理算力，靠这个就能养活自己。我觉得现在到了能做到的节点了，只是很多基础设施还得建起来，机会也得先被找出来。来，我们走到这台机器这儿，给它喂个什么程序试试，让我看看我能给它点什么。
嘉宾：你看，这就跑起来了。这就是我刚才说的那个体验：点一下这里，点开始，砰，它就该一键搞定，就应该是这样的。重点是，一两次点击就行，完全不用配置。这套东西已经预配置好了，带了 26 万 token 以上的键值缓存，我桌上另一台机器也装了一份，随时可以插上用。再说网络安全这块，像 HackerOne 漏洞赏金平台这种地方就有机会。回到那个问题：我们能不能不整天盯屏幕还赚到钱？眼下最好的路子之一就是网络安全，因为模型在这方面真的已经很强了。说白了，这就是在非多项式难问题的空间里做搜索。我想给这个画个图，因为这话题经常冒出来。来，帮我做个可视化，讲讲大模型怎么帮我们在非多项式难的空间里做搜索。问题分两种：非多项式问题，算出答案要花很长时间，但验证一个答案对不对基本是瞬间的事。这类活儿人干不好，因为我们没有无限的时间和无限的注意力，干着干着就会累、会烦。所以那种要在巨大空间里翻来覆去找解法的活儿，我们天生就不擅长，比如破解加密。这事儿肯定做得成，因为验证答案本身几乎不花时间。
大模型的循环优势：验证瞬间，寻找耗时
嘉宾：验证某个东西是不是被攻破，是瞬间的事；但要找到那个突破口，就不是瞬间的事了。所以大模型特别擅长这个：你只要给它定个目标或者丢进一个循环，它能一直跑下去，不停地琢磨怎么解决这些问题。它还能在后面给自己攒数据集，比如说我已经测了这500个文件，都没有问题。它可以自我驱动，你基本不用管。这是个很棒的目标。
嘉宾：另一个目标是社交媒体。现在社交媒体特别重要，因为谁都能造任何东西，谁都行。正因为这样，过去那种软件开发者——老板跟你说要做X、Y、Z，然后贴到Trello板上那种活儿——那个世界已经不存在了。因为现在老板或经理可以直接把当初发给初级开发者的那段需求扔给模型，说实话，模型干得大概率比人还好。所以你的本事得是一整套组合拳：你能提供什么是别人买不到的？客户买不到、企业买不到的东西是什么？这才是关键。而有一样东西是买不到的，就是社交媒体影响力，还有所谓的云资源。
品牌与背书：内容随时间滚雪球
嘉宾：你可以赞助某个人，花钱请人家帮你背书，本质上就是借他的嘴说话。但这毕竟不是真的，而且这么玩次数有限。可如果你有自己的品牌，持续地发内容，而且信息质量高，那人们迟早会开始关注你、听你说的。这个数字越滚越大，就像滚雪球一样，这是一种随时间累积的效果，社交媒体就是这个逻辑。
嘉宾：回到刚才那个问题：模型很擅长来回迭代，主人去忙别的活的时候它接着干活。好，我先回答这个问题。问题是：老板或客户有没有耐心跟 agent 来回折腾，直到把事办成？其实这不是该考虑的问题，你不该这么去想。关键不在于老板有没有耐心，而在于他到底需要多少人来干他想干的事。以前你得配一个 scrum master、一个经理、HR、payroll，这一整套下来，体力上、精神上、金钱上都耗死人。你得养二十个人的团队，才能做出 Flux 几个小时批量生成就能搞定的东西。
哦等等，这个屏幕我好像展示不了。这个不行，不过这个可以。说说我的内容吧，质量不算顶级，但还行。而且这一切全是 AI 剪辑的，我很久没碰过视频了，至少好几年了。所有这些，我就是把录音直接丢给模型。我们现在边聊边录，OBS 开着，它在录我的声音和屏幕。这场播客结束后我就把它停掉。然后我告诉模型，现在主要是 DeepSeek，我就说一句：我刚录了个视频，在这台机器的这个文件夹里，你去转写一下，再想想怎么把它弄好看。它会犯错，但要是没有这些模型，我根本不会在 YouTube 上发东西。这个频道现在大概一个月挣 500 美元上下。我不知道能不能在 YouTube 上公开说这个，但它确实在每月挣 500 美元，而且是累积的，因为每个视频会被看几千次甚至更多。每发一个新视频，老视频也跟着有播放量，频道越长，发现它的人越多。这笔被动收入一直在滚。所以我现在要做的，就是尽可能多地找这种机会：把所有重活儿都甩给 LLM，换回一个能卖的东西、能发的东西，随便什么。我在 Hugging Face 上的那些模型也是，每个月几十万下载量，全是不用操心的。对了，他需要任何时刻都用上最好的模型。我确认一下，配方更新了吗？如果配方更新了，就把 GPU 清空。我得能从插件里直接启动这个配方。
普通工作不需要最强模型
嘉宾：对，Theo 用户很多，他当然希望任何时候都用上最好的模型，这说得通。但大多数人干的活儿一点都不复杂：打开邮件、回邮件、把工单填进 Linear 或 Jira 之类的系统、做点数据分析——这个月有多少下载量、谷歌搜索词是什么之类。都是非常基础的东西，不重要或者很简单，重要的是简单。而所有这些地方，正是用 AI 替代现有系统的机会所在。凡是重复性的、凡是 agent 能干的、凡是数字化的活儿，都是机会。如果你认识做生意的人，你能帮他们省一大笔钱，你自己也能靠帮他们省钱赚到钱。是的，一切都会很好。这事对他们来说是有成本的，对我来说却几乎不花什么钱。
我现在其他备用机器都被占满了。等我一下啊。嘿，你能不能去看一下我的 Hugging Face，历史下载量这些都看看？我想要一个仪表盘，把我 Hugging Face 的所有统计都放进去，做完之后用 Brave 打开。这在很多人那儿是一份全职工作。我之前提的那家公司，有个哥们儿花了几个星期才做出这么一个仪表盘，用来展示公司现在的状况什么的，他们一年给他开大概 15 万美元。
嘉宾：比如一个月一万两千美元，而你现在一台笔记本就能干完这活。我说这些不是要羞辱那位朋友，真不怪他，也不是他哪里做错了，这就是我们现在身处的现实。你要是效率低，竞争又这么激烈，根本活不下去。
而且你看，我们现在能干好多以前想都不敢想的酷炫的事，一年前还做不到。举个例啊，这个例子其实挺基础的，但你看它是怎么干的：先看 GitHub 上的 issue，再看过去的 PR 和提交记录，等你把足够的上下文收集齐了，看到以前的漏洞利用或者类似的东西，就开始做漏洞测试。这事要在 Tailscale 上、在那个隔离环境里跑，别在 MacBook 上搞，这样我们的存储才安全，确保东西都在手边。另外这些统计缺了很多数据，也没有汇总。顶部我想要全年的汇总数据，不只是单月的。你也不一定非要超大模型，但差别就在这。如果你用的是 OpenCode 这类工具去干这件事，效果会完全不同。
本地部署的安全过滤
嘉宾：OpenCode 或者跑它的那台服务器，可能会装一个什么东西来着？我忘了那玩意叫什么了，反正就是一个盯着所有进来的输入、把可能是安全攻击的内容过滤掉的模型，就是安全类的请求，或者任何带黑客性质的请求都会被拦下来。所以你总得有个分类器，也就是个过滤器，而且最好是用本地的。不过我可以试试刷新一下，要是还能用的话。不行，估计是挂了。
嘉宾：（补充）
核心思路：智能对准创造价值的事
嘉宾：接下来我留几分钟给大家提问，今天的内容基本就到这里了。趁大家在打字的时候说下，这里的思路特别简单：我们能不能拿到智能，然后把它对准对的事情？也就是让它指向能为别人创造价值的事，然后我们再分一杯羹？网络安全就是这种玩法成立的领域之一。
嘉宾：任何爬山式的任务都适合，就是模型只需要比上一版做得更好就行。举个例子，我的 Mac Mini 现在跑某个模型每秒四十个 token，能不能让它跑到每秒四十二个？这样你就有了一个目标加一个循环，你把循环设成永不结束，让模型一直不停地尝试提速。我现在做的所有模型都是这么搞的，你们在我推特上看到的那些发布全是这样。我就是租云上的 GPU，让通义千问在上面干活，比如 Qwen3.8 Next Flash 或者 Qwen3.8 27B。所以除了第一条 prompt，后面根本不用给它喂任何信息，第一条 prompt 就够了，然后它就一直在持续赚钱。
内容也一样，记住，内容的核心。内容讲的是视觉，是让人记住你，你得放一些大家会记得住的东西上去。所以谁要是还在想我需要雇个机器学习工程师，那就想想我这样的人吧。要做到这些，你得在社交媒体上有存在感。现在没有社交存在感，你什么都干不成，这就是我们这个时代残酷的现实，因为竞争太凶了。就算你在美国，是个软件开发者，哪怕你技术再强，你也是跟八十亿人抢这份工作。也许八十亿夸张了点，但光软件开发者就有五千万，你是跟这五千万人竞争，而他们大多愿意接受你要价的三分之一、四分之一甚至五分之一。
嘉宾：最后一点，当我们已经建好了系统，把所有能自动化的都自动化了，那些足够简单、我们能验证、而且确实运行正常的部分。接下来你就得去卖，你得跟人搞好关系。搞好关系是最重要的事，比用什么模型重要多了。你必须有人脉。而你靠自动化省下来的所有时间，都应该投到见面上：参加活动、找客户，或者花时间和同事待在一起、帮上忙。这些东西才是让你持续有活干的关键。我觉得 Omarki 是个很棒的分发平台，这也是它特别的地方，觉得它好的不止我一个，很多人都是这么想的，所以才拿了那么多投资。它是个非常好的平台，用的人很多，界面干净，也漂亮。
原视频：How I Make Money with Local AI Agents | Using Free Intelligence to Make Money
https://www.youtube.com/watch?v=bybSJb-ZAwc
中文播客：在小宇宙App搜《硅谷对谈》，或直接访问下面的链接
https://www.xiaoyuzhoufm.com/episode/6ad431890e4e410a05be79d3
编译：磊哥Thomas